[연습용] 추론자동화 제출_이미지 분야

튜토리얼 맛보기

추론 자동화 기술이 접목된 태스크는 기존 채점 방식과 살짝 달라 조금 어려우신가요? 

먼저 튜토리얼을 경험하고 다시 이 태스크로 돌아오세요! 제출 과정이 훨씬 쉬워질 거예요 👍🏼

추론 함수 입력 및 출력 규칙

입력 규칙

• 추론 함수의 첫 번째 인자로 받는 평가용 입력 데이터는 평가 이미지 데이터들의 경로가 담긴 List가 제공됩니다.
  X_test = ["ImagePath_000.jpg", “ImagePath_001.jpg”, “ImagePath_002.jpg”, …]

• (Arg1) X_test, (Arg2) Model 2개의 인자를 입력 받아 평가 데이터를 추론 하고, 다음 출력 규칙에 맞게 반환해주세요.

출력 규칙

• 추론 함수는 X_test를 예측한 뒤, 예측한 꽃 품종의 이름이 담긴 List를 반환해야 합니다.
  ['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips', ... ]

Example

# 모델 로드함수 정의
def load_model():
	model = Sequential([
		...
	])
	model.compile(optimizer='adam', ...)
	model.load_weights('./my_weights.h5')
	return model

# 추론 함수 정의
def infer(X_test, model):
	classes = ['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips']
	pred_names = []
	for image_path in X_test:
		image = Image.open(image_path).resize((180, 180))
		image = np.array(image, np.uint8)
		image = np.expand_dims(image, axis=0)
		
		proba = model.predict(image)
		pred_id = np.argmax(proba, axis=1)[0]
		pred_name = classes[pred_id]
		
		pred_names.append(pred_name)
		
	return pred_names # ['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips', ... ]
	
# 제출하기
from aifactory.score import submit_kwargs
submit_kwargs(
    model_name="sample submission",
    key=...,
    load_model_fn = load_model,
    inference_fn = infer
    )
	

평가 방법

• 평가 메트릭은 F1-Score(macro)를 사용합니다.
  F1_Score = 2 * (precision * recall) / (precision + recall)