RandomCNN과 유전 알고리즘을 이용한 네트워크 최적화

대부분의 신경망을 학습시킬 때 많은 하이퍼파라미터들 설정은 사람이 직접 설정하는 경우가 많다. 하지만 사람이 하이퍼파라미터와 신경망 구조를 어떻게 정해야 신경망의 성능이 좋을지 알기 어렵고 많은 시간을 필요로 한다. 본 연구는 유전 알고리즘을 이용해 신경망 구조 최적화가 사람에 비해 적은 시간을 소비하면서도, 유사하거나 더 좋은 결과를 도출할 수 있음을 보이는 것을 목표로 한다.

Dataset

• Mnist (Accuracy:99.3%)
• FashionMnist (Accuracy:93.1%)
• Cifar10
• Cifar100 *
  *는 미구현

Running the test

randomCNN network를 file_writer.py 이용하여 작성 genetic.py로 유전시켜 최적의 파라미터를 가진 네트워크를 추출

두 python 파일은 result 폴더안에 있습니다.
linux환경으로 같은 디렉토리에 file_writer.py, genetic.py파일을 넣어 실행시킵니다.

python3 genetic.py

Patch Note

20201124 EarlyStopping 구현
20201125 최고성능 네트워크 형태를 png파일로 저장 20210410 cifar10 코드 업로드

Built with

상명대학교 박희민 교수님 연구생
오채은

Contributors

최지원, 손병욱, 이화경, 손은영, 조한희