■ 개발일지 WIL #08
1. FACTS
- 머신러닝을 활용한 프로젝트 진행
: 팀장 및 이미지 인식 부분 머신러닝을 담당하여 진행하였다.
: 머신러닝 기능을 구현할 때 어려움이 많았다.
1) 모델을 학습시킬 때 어떤 라이브러리를 사용할지 선택(ResNet이냐 Yolov5이냐 또는 Object Detection을 사용할꺼냐 Object Classification을 사용할꺼냐 등..)하는 과정에서 고민과 어려움이 있었다.
2) 납기는 짧은데 모델학습하는 시간이 매우 길었고, 학습된 모델을 테스트했을 때의 validation accuracy만큼의 신뢰도가 나오지 않는 것을 확인하고, 모델을 몇 번이고 다시 만들었다.
3) 편하고 좋은 데이터셋을 찾는 것도 문제이다. 캐글이나 Roboflow에서 제공하는 데이터셋이 있었지만, 원하는 크기, 종류의 데이터라던지, 모양이 이상한 데이터셋이라던지, 레이블작업을 모두 다시해야 하는 상태라던지, 다양한 문제가 있었다.
2. FEELINGS
- 머신러닝은 초기부터 작업했어야 하기 때문에 시간이 많이 걸렸던 것 같다. (사실 내가 모르른 부분이 많아서 더 오래 걸렸던 것이 사실이다.) 이 부분 때문에 팀원들에게 매우 미안한 감정이 지속된 것 같다. 팀장으로써 프로젝트가 잘 되어가는지 체킹도 하고 케어도 해야하는데 그러지 못해 미안하고, 그래도 웹 서비스의 백엔드/프론트엔드 부분을 잘 신경써서 누구 하나 빠짐없이 열심히 만들어주었기 때문에 고마운 마음도 들었다.
- 모델을 학습할 때 문제가 생겼던 부분에서는, 생각보다 epoch이나 batch를 심하게 주지 않았는데, 이게 과적합 일리가...라는 생각을 했다. 과적합인지 아닌지는 어떻게 아는거지?
- 다양한 머신러닝 라이브러리를 접해보고, 모델학습도 많이 해볼 필요를 느꼈다.
- 머신러닝 기능을 완료한 후 장고에 해당 기능을 입히면서 그래도 장고 프로그래밍을 진행할 수 있었다. 갑자기 장고가 너무 쉽고 편리하고 재미있는 코딩이구나 라는 것을 느꼈다ㅋㅋㅋ. 동시에 머신러닝에 대한 관심도 많이 깊어졌다.
3. FINDINGS
- 머신러닝 모델 학습은 쉽지 않다. 데이터셋, 전처리, 적절한 학습 조건, 검증 등의 단계가 잘 맞아떨어져야 한다.
- 실제로 open되어있는 모델들도 accuracy가 높다고는 하지만 직접 테스트해보면 일부 잘 검출하지 못하는 부분을 발견했다. 그래서 아직 계속 발전하고 있는 분야이고, 높은 검출도와 이를 통한 서비스를 구현하는 것이 정말 대단한 것을 알게 되었다.
4. FUTURE
- 머신러닝 학습에 대해서 더 알아보고 테스트해봐야겠다.
- 장고 심화 DRF 학습
댓글