기간
2023.07.17 - 2024.12.31
참가자수
80
조회수
3,789
추론 자동화 기술이 접목된 태스크는 기존 채점 방식과 살짝 달라 조금 어려우신가요?
먼저 튜토리얼을 경험하고 다시 이 태스크로 돌아오세요! 제출 과정이 훨씬 쉬워질 거예요 👍🏼
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”, …]
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', ... ]
['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips', ... ]
# 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 메트릭은 F1-Score(macro)를 사용합니다.F1_Score = 2 * (precision * recall) / (precision + recall)
F1_Score = 2 * (precision * recall) / (precision + recall)
— CODE. ALL. DAY. ---