For Beginners

에포크 수를 늘리는 것 까지는 어떻게 햇는데, 지금 아웃풋 레이어 수를 단일화했는데도 결과가 같아서, 무슨 영문인지 모르겠지만, 일단 기존 파일들과 뭐가 달라졌는지를 알아보아야할듯 싶다. 음 그리고 기존 파일에 레지듀얼 파일을 더했는데 아예 색상이 달라지는 상황이 생겨서 이 상황을 타개하기 위해 조금 더 고민을 해야 할 듯 하다. 일단은 레이어 상황을 이렇게 하지 말고 다르게 해보고 싶다. 특이한 점은 어떻게 해도 이 loss 값이 down 되지 않고, 일정 부분에서 머무른다는 것이다. 솔직히 말해서 loss 가 0에 가까우면 좋긴한데, 이 경우에서는 loss가 일정 부분에 머무르면서 계속 파동하는 형태로 가고 있다. 근데 이 네트워크가 결과가 어떻게 나오는지에 따라서 달라질 것 같다.

에포크 수를 늘리니까 사진이 안정적으로 나오는 것을 확인했다. 그렇지만, 배치 사이즈 같은거는 늘리면 쿠다가 터져버려서 아직 하지 못했다. 아무래도 장비 업그레이드를 하고 나서야 가능할것 같다.ㅠㅠ 그래서 지금은 기본 레이어 수만 중첩으로 해서 사진 전반에 어떤 영향이 가는지를 비교해보려고 한다. 이따가는 30레이어 돌려봐야겠다.

오늘 테스트 해보아야 하는 것들 1. 레이어 개수 증가 8 -> 16 2. 배치사이즈 증가 8 -> 128 ( 안되면 16 부터 2씩 곱해가면서 시도) 3. clipping 조건 바꾸기 0.1 -> 0.01 또는 0.05로 바꿔보기 4. 에포크 수 증가 10 -> 50 ( 이거는 꼭 해야함 ) torch.nn.utils.clip_grad_norm is now deprecated in favor of torch.nn.utils.clip_grad_norm_. torch.nn.utils.clip_grad_norm(dehaze_net.parameters(),config.grad_clip_norm) 불러오는 중입니다... 이런 얘기가 나와서 코드를 조금 고쳐두었다 \https://stackoverflow.com/..

보호되어 있는 글입니다.

RuntimeError: CUDA out of memory. Tried to allocate 600.00 MiB (GPU 0; 7.80 GiB total capacity; 5.92 GiB already allocated; 255.12 MiB free; 5.21 MiB cached) 이 에러가 났다. 네트워크 별로 넣는 input의 형태가 다른데, 1채널이었던 것을 3채널로 증가시켰더니 이렇게 나왔다. 에러를 해결하기 위해서 네트워크의 처리 사이즈를 조금 줄였다. 음 그리고 트레이닝을 돌렸는데, 결과는 가봐야 알 수 있을 것이다.

인덱싱은 이제 안하기로 하자. 앞으로 계속 이거 써야하는데 인덱싱하기 시작하면 끝이없다ㅠ 배가 진짜 아프다ㅠ ㅎㅏ 약 먹었는데도 아프다 걍 배속을 누가 칼로 이리저리 휘두르는 것 같다. 약 기운이 떨어진것 같기도 하다 일단 오늘은 쭉 자야지. 실험 결과가 나올듯 안나온다 개빡쳐진짜 그래도 그동안 성과가 아예 없지는 않았다. 내가 생각한 딥러닝 모델로 구연한 dehaze 사진이다. 다른 사진에 비하면 뭔가 산맥의 결이 뚜렷하다. 물론 이미지로만 비교를 해야해서 좀 다른 부분이 있을지도 모르겠지만. 만족스럽다 여기 지붕 부분 뚜렷한 것도 맘에 든다. 이거 구현한 거는 안올리겠다. 내 스스로 잘 기억하기를 바래야지 요새 맨날 까먹어서 다이어리를 쓴다. 아래 사진은 원본과 내가 참고한 연구의 코드 결과물들이다.