실습 2 — 부품 데이터셋으로 전이 학습

from pathlib import Path

root = Path("out_ch17_yolo")
if not (root / "data.yaml").exists():
    raise SystemExit("out_ch17_yolo 가 없습니다. 17차시 실습 5를 먼저 실행하세요")

# data.yaml 을 그대로 찍어 학습이 읽을 안내판을 확인한다
print((root / "data.yaml").read_text(encoding="utf-8"), end="")
# 그림과 라벨 수가 맞는지 본다
for part in ("train", "val"):
    n_img = len(list((root / "images" / part).glob("*.png")))
    n_lab = len(list((root / "labels" / part).glob("*.txt")))
    n_obj = sum(len([l for l in p.read_text(encoding="utf-8").split("\n") if l.strip()])
                for p in (root / "labels" / part).glob("*.txt"))
    print(f"{part}: 그림 {n_img}장 · 라벨 {n_lab}개 · 물체 {n_obj}개")

import os
import time
os.environ["YOLO_VERBOSE"] = "False"
from ultralytics import YOLO

model = YOLO("yolo11n.pt")                  # COCO 로 미리 배운 가중치에서 시작한다
start = time.perf_counter()
model.train(data="out_ch17_yolo/data.yaml",   # 17차시의 데이터셋 안내판
            epochs=30,                        # 학습용 사진 전체를 30번 본다
            imgsz=320,                        # 사진을 320 에 맞춘다
            batch=8,                          # 한 번에 8장씩
            device="cpu",                     # CPU 로 계산
            workers=0,                        # 사진 읽는 일꾼을 따로 두지 않는다(Windows 에서 안전)
            seed=0,                           # 씨앗 고정
            deterministic=True,               # 같은 순서로 계산해 다시 돌려도 같게
            project=os.path.abspath("out_ch18_runs"),   # 결과를 둘 폴더. 꼭 절대 경로로
            name="parts",                     # 그 안의 하위 폴더 이름
            exist_ok=True,                    # 이미 있으면 덮어쓴다
            plots=False,                      # 그림 파일은 만들지 않는다(그래프는 4단계에서 직접)
            verbose=False)                    # 긴 진행 글을 줄인다
minutes = (time.perf_counter() - start) / 60
print("학습 시간(분):", round(minutes, 1), "· 컴퓨터마다 다르다")

run = Path("out_ch18_runs/parts")
print("best.pt 가 있는가:", (run / "weights" / "best.pt").exists())
print("last.pt 가 있는가:", (run / "weights" / "last.pt").exists())

import pandas as pd

hist = pd.read_csv("out_ch18_runs/parts/results.csv")
hist.columns = hist.columns.str.strip()       # 열 이름 앞뒤의 빈칸을 없앤다
print("기록 줄 수:", len(hist))
cols = ["epoch", "train/box_loss", "train/cls_loss", "val/box_loss",
        "metrics/precision(B)", "metrics/recall(B)", "metrics/mAP50(B)", "metrics/mAP50-95(B)"]
# 처음, 가운데, 마지막 에포크만 골라 소수 셋째 자리로 찍는다
print(hist.loc[[0, 14, len(hist) - 1], cols].round(3).to_string(index=False))

best = hist.loc[hist["metrics/mAP50(B)"].idxmax()]
print("mAP50 이 가장 높았던 에포크:", int(best["epoch"]), "· 값:", round(float(best["metrics/mAP50(B)"]), 3))

import matplotlib.pyplot as plt

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

fig, axes = plt.subplots(1, 2, figsize=(11, 4), layout="constrained")
# 왼쪽: 손실. 작을수록 좋다
axes[0].plot(hist["epoch"], hist["train/box_loss"], label="학습용 상자 손실")
axes[0].plot(hist["epoch"], hist["train/cls_loss"], label="학습용 클래스 손실")
axes[0].plot(hist["epoch"], hist["val/box_loss"], label="검증용 상자 손실")
axes[0].set_title("손실 (작을수록 좋다)")
axes[0].set_xlabel("에포크")
axes[0].legend()
# 오른쪽: 검증용 사진의 점수. 1 에 가까울수록 좋다
axes[1].plot(hist["epoch"], hist["metrics/mAP50(B)"], label="mAP50")
axes[1].plot(hist["epoch"], hist["metrics/mAP50-95(B)"], label="mAP50-95")
axes[1].set_ylim(0, 1.05)
axes[1].set_title("검증용 점수 (1 에 가까울수록 좋다)")
axes[1].set_xlabel("에포크")
axes[1].legend(loc="lower right")
plt.show()