DATASET
https://www.kaggle.com/datasets/phucthaiv02/butterfly-image-classification/data
SITES I USED THE MOST
https://keras.io/api/applications/
https://www.tensorflow.org/api_docs/python/tf/keras/applications
RAPORT
i've included two files in the 'raport' folder one is pdf able to view it from here, second one is an excel file:]
1. Baza danych do klasyfikacji zdjęć. ✔
2. Wytrenować model na sieci ResNet50 od zera (bez transfer learningu) na CPU. ✔
3. W celu optymalizacji szybkości treningu zastosować:
a. akcelerator GPU - przygotować raport porównawczy z czasem trenowania bez i z GPU, ✔
b. transfer learning - przygotować raport porównawczy z transfer learningiem i bez, ✔
4. W celu optymalizacji dokładności zastosować:
a. normalizację - przygotować raport porównawczy z normalizacją danych i bez. ✔
b. augumentację danych - przygotować raport porównawczy z augumentacją i bez + informacją jakie przekształcenia zostały przeprowadzone. ✔
c. dropout - przygotować raport porównawczy z zastosowaniem dropoutu i bez. ✔
d. dokładanie danych - przygotować raport porównawczy z dołożeniem nowej partii danych i bez. ✔
e. różne rozmiary wejściowe (np. 96x96, 160x160, 224x224) - przygotować raport porównawczy dla każdego rozmiaru. ✔
f. różny rozmiar Batch size (np. 32, 64, 128) - przygotować raport porównawczy dla każdego rozmiaru. ✔
g. różne struktury sieci (np. VGG16, ResNet101, InceptionV3, MobileNet) - przygotować raport porównawczy dla każdej sieci (min. 4). ✔
- https://www.netguru.com/blog/cnn-optimization
- https://www.geeksforgeeks.org/image-classification-using-resnet/
- https://github.com/KeithGalli/complete-pandas-tutorial/blob/master/tutorial.ipynb
- https://medium.com/analytics-vidhya/convolutional-neural-networks-cnn-a78e78c1ba94
note: i will change it all to english after finishing it :]