Pipeline

<aside> 💡 모듈화를 통해 쉬운 유지보수와 높은 활용성을 확보

</aside>

train

• getattr 함수를 사용하여 다른 파일의 class 혹은 함수를 가져와서 사용
• config 값이 getattr의 목적 함수와 같게 설정하여 config 값에 따라 다른 세팅으로 학습 시작
• onnx conversion을 통해 best model을 gcs에 upload

model

• timm에서 모델을 호출 가능한 class 방식으로 선언
• inference time ≤ 1s 라는 목표에 맞추기 위하여 가볍고 정확한 모델을 선정
• train.py의 onnx convert와 충돌 발생
  • model의 activation function이 silu 였지만 사용하는 onnx 버전에서는 silu를 지원하지 않음
  • onnx 버전을 올리기 위해 시도했으나 torch 버전과의 dependency 때문에 불가능
  • 모델의 SiLU를 ReLU로 변경

optimizer

• SGD, Adam, AdamW 등 다양한 optimizer를 config에서 불러올 수 있도록 구현
• 또한 optimizer의 parameter도 변경되었다면 반영하도록 설계

dataloader

• fish와 dataloader 두 가지의 dataset을 구축하여 이를 config를 통해 불러올 수 있도록 함
• transform과 함께 쓰기 때문에 이 부분에서 많은 오류가 발생
  • dataloader에서 transform을 구현하는 방식으로 접근하다 많은 오류에 직면함
  • 추후 transform을 dataloader method로 만들지 않고 따로 모듈화하여 해결

transform

• 여러 transform을 setting 후 config 파일을 통해 값을 불러오도록 설정