[FEATURE] 실험 재현을 위한 Dataset 준비

[hyerim1048]

🚀 Feature

데이터셋을 가져오는 코드를 작성합니다

Motivation

실험을 위해서 필요한 과정입니다

Pitch

• 논문에서 제시한 unsupervised learning 평가 방법은 다음과 같습니다
• for evaluating the quality of unsupervised representation learning algorithms
  • apply them as a feature extractor on supervised datasets and evaluate the performance of linear models fitted on top of these features

해당 논문에서 수행한 실험

실험 1. classfying CIFAR-10 using GANs as a feature extractor

• dataset 2개 준비 필요

1. Imagenet-1k(32 x 32 min-resized center crops, No data augmentation) 으로 DCGAN 학습
2. CIFAR-10: Imagenet 으로 학습한 DCGAN의 discriminator의 features 로 regularized linear L2-SVM 학습 후 CIFAR-10 에 적용하여 모델 성능 확인. domain robust 도 확인

실험 2. Classifying SVHN digits Using GANs as a feature extractor

• SVHN 데이터셋 하나만 준비하면 됨. pytorch에 있음

데이터셋 준비가 간단한 실험 2를 재현하기로 결정!

[hyerim1048]

CIFAR10, SVHN 은 pytorch 에서 public 하게 다운받을 수 있으나, imagenet 은 가입해서 큰 용량의 데이터를 다운받아야 함.
imagenet:
https://pytorch.org/docs/stable/_modules/torchvision/datasets/imagenet.html#ImageNet
http://image-net.org/download-images

SVHN:
https://pytorch.org/docs/stable/_modules/torchvision/datasets/svhn.html#SVHN
실험 2 선택

[hyerim1048]

omegaconf 를 사용해서 config 를 가져올 때

• conf/dataset/shvn.yaml
• conf/model/dcgan.yaml
  이런식으로 가져오고, argparse 에서 shvn, dcgan 을 입력받도록 했는데
  생각해보니 레포 하나에 거의 데이터셋도 모델도 하나씩 구현할 것 같아서
  그냥
  conf/dataset.yaml
  conf/model.yaml
  를 불러오게만 해도 되지 않을까..!?

[seopbo]

omegaconf 를 사용해서 config 를 가져올 때

• conf/dataset/shvn.yaml
• conf/model/dcgan.yaml
  이런식으로 가져오고, argparse 에서 shvn, dcgan 을 입력받도록 했는데
  생각해보니 레포 하나에 거의 데이터셋도 모델도 하나씩 구현할 것 같아서
  그냥
  conf/dataset.yaml
  conf/model.yaml
  를 불러오게만 해도 되지 않을까..!?

확장성을 염두한다면 전자의 방식이 더 좋지 않을까요? (저는 전자로~~)

[ssaru]

@hyerim1048
혜림님! 사람들의 빠른 피드백을 원하신다면 mention(@) 부탁드려요!
멘션을 거시면, Slack으로 Notification이 가기 때문에 더 빠른 응답을 받으실 수 있을 것 같습니다.