CIFAR10 : 새로운 클래스 인식, 테스트 데이터 구성 : 실습
과제 """ [HW3] CIFAR-10 classification * CIFAR-10 testset 소개 32x32 three color = 3072 dimensions per sample 비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭의 10가지 클래스로 이뤄져 있으며, 60000개(트레이닝셋 50000 / 테스트셋 10000)의 이미지(클래스당 6000개)를 포함한 데이터셋. === HW #3 내용 =========================================== * 필수사항 (100점) 1. Model Saver 기능 포함 필요 2. Random sample or sample index 지정하여 visualization & 추정결과 plotting (MNIST 과제..
CIFAR10 : 정확도 90% : visualization, plotting, 실제 이미지 테스트
과제 """ [HW3] CIFAR-10 classification * CIFAR-10 testset 소개 32x32 three color = 3072 dimensions per sample 비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭의 10가지 클래스로 이뤄져 있으며, 60000개(트레이닝셋 50000 / 테스트셋 10000)의 이미지(클래스당 6000개)를 포함한 데이터셋. === HW #3 내용 =========================================== * 필수사항 (100점) 1. Model Saver 기능 포함 필요 2. Random sample or sample index 지정하여 visualization & 추정결과 plotting (MNIST 과제..
CIFAR 10 : Few Shot Learning : 새로운 클래스 인식
과제 """ * CIFAR-10 testset 소개 32x32 three color = 3072 dimensions per sample 비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭의 10가지 클래스로 이뤄져 있으며, 60000개(트레이닝셋 50000 / 테스트셋 10000)의 이미지(클래스당 6000개)를 포함한 데이터셋. === HW #3 내용 =========================================== * 필수사항 (100점) 1. Model Saver 기능 포함 필요 2. Random sample or sample index 지정하여 visualization & 추정결과 plotting (MNIST 과제와 비슷) 3. Testset Accuracy 90% ..