使用说明

MCP Server Project

VML (Vision & Machine Learning) 연구실 입학 준비 포트폴리오 프로젝트

📋 프로젝트 개요

이 저장소는 딥러닝 기초부터 고급 기술까지 단계별로 학습하고 구현한 프로젝트들을 포함합니다.

🎯 주요 프로젝트

📁 vml-learning/

VML 연구실 준비를 위한 딥러닝 프로젝트 모음

프로젝트 1: CIFAR-10 Image Classification ✅

목표: CNN을 사용한 이미지 분류
모델: ResNet-18
데이터셋: CIFAR-10 (60,000장)
결과: 93.88% 정확도

프로젝트 2: GAN-based Image Inpainting 🚧

목표: GAN을 사용한 이미지 복원
모델: U-Net Generator + PatchGAN Discriminator
데이터셋: CelebA-HQ (30,000장)
상태: 코드 구현 완료

프로젝트 3: Diffusion Model Inpainting 📅

상태: 대기 중

🛠️ 기술 스택

딥러닝

PyTorch 2.5.1 (CUDA 12.4)
torchvision

개발 환경

Python 3.11
GPU: NVIDIA RTX 2080 Ti (11GB VRAM)
OS: Windows 11

도구

Streamlit (모니터링 대시보드)
Matplotlib (시각화)
Git (버전 관리)

📁 프로젝트 구조

mcp-server-project/
├── README.md                          # 이 파일
├── .gitignore                         # Git 제외 파일
├── mcp_settings.json                  # MCP 서버 설정
├── pyproject.toml                     # Python 프로젝트 설정
│
├── src/                               # MCP 서버 소스
│   └── mcp_server_basic/
│
└── vml-learning/                      # VML 연구실 준비 프로젝트
    ├── README.md                      # 프로젝트 상세 설명
    │
    ├── project-1-classification/      # ✅ CIFAR-10 분류
    │   ├── data_loader.py
    │   ├── model.py
    │   ├── train.py
    │   ├── test.py
    │   └── PROJECT_SUMMARY.md
    │
    └── project-2-gan-inpainting/      # 🚧 GAN 이미지 복원
        ├── data_loader.py
        ├── generator.py
        ├── discriminator.py
        ├── losses.py
        ├── train.py
        ├── test.py
        ├── monitor.py
        └── README.md

🚀 빠른 시작

1. 저장소 클론

git clone https://github.com/john7039/MCP-project.git
cd MCP-project

2. 가상환경 생성 및 활성화

# Windows
python -m venv venv
.\venv\Scripts\Activate.ps1

# Linux/Mac
python -m venv venv
source venv/bin/activate

3. 패키지 설치

# PyTorch (CUDA 12.4)
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

# 기타 패키지
pip install matplotlib streamlit

4. 프로젝트 실행

# 프로젝트 1: CIFAR-10 분류
cd vml-learning/project-1-classification
python train.py --epochs 100 --batch_size 128

# 프로젝트 2: GAN 이미지 복원
cd vml-learning/project-2-gan-inpainting
python train.py --data_dir ./data/celeba_hq --epochs 50 --batch_size 8

📊 주요 성과

프로젝트 1: CIFAR-10 Classification

✅ 93.88% Test Accuracy
✅ GPU 학습 최적화
✅ 학습 시간: 30분 (100 epochs)

프로젝트 2: GAN Inpainting

✅ U-Net Generator 구현 (54M 파라미터)
✅ PatchGAN Discriminator 구현
✅ Streamlit 실시간 모니터링 대시보드
✅ GPU 사용률 최적화

📚 학습 내용

딥러닝 기초

CNN 아키텍처 (ResNet)
Data Augmentation
Learning Rate Scheduling
GPU 학습 최적화

고급 기술

GAN (Generative Adversarial Networks)
U-Net (Encoder-Decoder + Skip Connections)
PatchGAN (패치 단위 판별)
Loss Balancing (Adversarial + Reconstruction)

개발 도구

PyTorch 프레임워크
Streamlit 대시보드
Git 버전 관리
디버깅 및 최적화

🔗 참고 자료

논문

튜토리얼

📝 라이센스

MIT License

👤 작성자

John
VML 연구실 입학 준비
2026년 1월 - 2월

📧 문의

GitHub: @john7039
Repository: MCP-project

작성일: 2026-02-12
마지막 업데이트: 2026-02-12