best_convnext_small_s2.pth 189MB · 로컬 보관best_convnext_small_s2.pth (노트북 폴더 기준)| 항목 | 값 |
|---|---|
| 베이스 모델 | torchvision.models.convnext_small(weights=ConvNeXt_Small_Weights.DEFAULT) (ImageNet-1k 사전학습) |
| 크기 · 변형 | ConvNeXt-small, 파라미터 약 5,020만 개 [🚩AI 설명] (torchvision 문서 기준 값, 스크립트에서 세지 않음) |
| 리비전 | torchvision 0.29.0+cu126 (uv.lock 기준) |
| 아키텍처 | features 0 ~ 7 단계 → classifier(LayerNorm, Flatten, Linear(768, 6)) |
| 학습 방식 | 1단계 분류기만 학습 → 2단계 features.7 + 분류기 미세조정 |
| 프롬프트 · 에이전트 구성 | 해당 없음 |
ConvNeXt-tiny 카드와 같은 데이터입니다. val 분할만 시드 42로 고정해 tiny와 val 구성이 다르고, test 3,000장은 같습니다.
| 항목 | 값 |
|---|---|
| 확보 방식 | 공개 데이터셋 그대로 |
| 출처 | Kaggle puneet6060/intel-image-classification |
| 직접 수집 내용 | 해당 없음 |
| 이용 조건 확인 | [미확인] |
| 규모 | seg_train 14,034 / seg_test 3,000 |
| 분할 | train 11,228 / val 2,806 (시드 42) / test 3,000 (finetune_small.log 출력) |
| 레이블·클래스 분포 | buildings, forest, glacier, mountain, sea, street (거의 균형) |
| 전처리 | Resize((224, 224)) → ToTensor → Normalize(ImageNet 평균·표준편차). 증강 없음 |
| 개인정보·민감정보 처리 | 해당 없음 (풍경 사진) |
| 항목 | 값 |
|---|---|
| 하이퍼파라미터 | Adam, CrossEntropyLoss, 배치 32. 1단계 lr 1e-4 · 최대 15 에폭 · patience 4. 2단계 lr 3e-6 · 최대 10 에폭 · patience 3 |
| 에폭 / 스텝 | 1단계 15 에폭, 2단계 10 에폭 (둘 다 early stopping 없이 끝까지) |
| 학습 시간 | 1단계 5,026.5초 (83.8분) + 2단계 3,933.5초 (65.6분) = 149.3분 (finetune_small.log) |
| 하드웨어 | GPU (device: cuda 출력). 장비는 이 컴퓨터의 NVIDIA GeForce RTX 4070 Laptop GPU 8GB로 보이나 로그에서 직접 확인하지는 않음 [미확인] |
| 프레임워크 | torch 2.14.0+cu126, torchvision 0.29.0, tensorboard 2.21.0 |
| 시드 · 재현 방법 | random_split(..., generator=torch.Generator().manual_seed(42)). 학습 시드 없음. python finetune_convnext_small.py로 실행 |
| 지표 | 값 | 테스트셋 | 비교 대상 (ConvNeXt-tiny r2) |
|---|---|---|---|
| test accuracy | 0.9350 | seg_test 3,000 | 0.9440 |
| val accuracy (2단계 마지막) | 0.9408 | val 2,806 | 0.9487 (val 구성 다름) |
| 1단계 val accuracy | 0.9316 ~ 0.9330 | val 2,806 |
측정 안 함.
| 장비 | 장비 이름 | 배치 크기 | 지연 시간 (샘플당, p50 / p95) | 처리량 (샘플/초) | 메모리 사용 |
|---|---|---|---|---|---|
| CPU | [미확인] | - | 측정 안 함 | 측정 안 함 | 측정 안 함 |
| GPU | [미확인] | 32 | 측정 안 함 | 측정 안 함 | 측정 안 함 |
wt_deep_7.ipynb "추가 비교 실험" 셀에서 옮긴 내용입니다.
finetune_small_progress.txt에 덮어써 확인model = convnext_small(weights=ConvNeXt_Small_Weights.DEFAULT)
model.classifier[-1] = nn.Linear(model.classifier[-1].in_features, num_classes)
for param in model.parameters():
param.requires_grad = False
for param in model.classifier.parameters():
param.requires_grad = Truerun_stage('S1-head', epochs=15, lr=1e-4, patience=4, ...)
for name, param in model.named_parameters():
if name.startswith('features.7'):
param.requires_grad = True
run_stage('S2-finetune', epochs=10, lr=3e-6, patience=3, ...)[S1-head Epoch 15/15] train_loss=0.1920 train_acc=0.9325 | val_loss=0.1921 val_acc=0.9316 Stage1 done in 5026.5s === Stage 2: unfreeze features.7, low lr fine-tune === [S2-finetune Epoch 10/10] train_loss=0.1601 train_acc=0.9434 | val_loss=0.1767 val_acc=0.9408 Stage2 done in 3933.5s FINAL TEST ACC (convnext_small) = 0.9350
굵은 이름이 이 모델입니다. 주황 테두리가 그룹 안 최고값입니다.