목록분류 전체보기 (47)

JSP's Deep learning

[Deep Learning - Useful library] Jupyter Notebook

일반적인 설치 방법으로 설치되지 않을 때, 다음의 명령어를 통해서 정상적인 설치가 가능하다. (기존에 설치가 된 경우에도 사용가능하다) # 1. pip3 install --upgrade --force-reinstall --no-cache-dir jupyter # 2. pip3 uninstall notebook # 3. pip3 install --upgrade notebook
Deap learning/Useful library 2023. 5. 22. 19:13
[Git] Branch 활용 작업흐름

1. 소규모 프로젝트(Feature Branch Workflow) (1) 설명 기능별 브랜치를 만들어 개발하는 방식 master 브랜치의 메인 코드를 중심으로 기능을 개발하고 병합 (2) 개발흐름 원격 저장소의 master 브랜치를 clone 로컬 저장소에서 master 브랜치를 분기하여 feature 브랜치 생성 기능 개발 후 feature 브랜치를 원격 저장소에 push (git push origin feature/login을 통해 원격 저장소에도 같은 feature branch가 생성) 프로젝트 관리자는 feature 브랜치의 코드를 점검한 후 master 브랜치에 병합 다른 구성원들은 변경된 master 브랜치를 pull하여 동기화 (기능 추가 시마다 pull을 진행하는 것보다, 테스트를 진행할 ..
Etc/Git 2023. 5. 9. 19:02
[Git] Branch의 종류와 기능, 작명

1. Branch란? 독립적인 작업을 수행하기 위한 개념으로 Git에서 생성되는 각각의 Branch는 독립적으로 존재하여 다른 Branch의 영향을 받지 않는다. 이러한 특성을 통해서 각각의 작업을 동시에 수행할 수 있으며, 모든 작업물을 Merge을 통해 통합할 수 있어서 협업에서 유용하게 사용된다. Branch는 대표적으로 master, develop, feature, release, hotfix가 존재한다. 2. Branch의 종류 및 기능 2.1. master (1) 설명 제품 또는 서비스를 출시하는 브랜치 제품 또는 서비스의 버전 관리(Tag) master 브랜치는 항상 배포가능한 상태 (2) 예시 CARLA Simulator의 최신 배포가능 버전은 항상 master branch에 존재 또한 C..
Etc/Git 2023. 5. 9. 18:57
[Paper Review - NLP] Transformer : Attention Is All You Need

1. 언어모델의 역사 Transformer의 등장을 통해서 RNN의 입력 시퀀스 길이에 따른 모델 복잡도, 기울기 소실 문제 등을 개선하였다. Transformer는 거대 언어 모델(Large Language Model)의 토대가 되었다. 현재(2023년)에는 범용 인공지능에 한 발짝 다가선 ChatGPT가 화두에 올랐다. 2. Transformer 2.1. 구조 2.1.1. 전체 구조 Transformer의 구조는 크게 5가지로 나눌 수 있다. 인코더 입력 전처리된 입력 문장에 대한 임베딩을 수행한다. 포지션 인코딩을 통해 위치 값을 반영한다. 디코더 입력 디코더의 입력 문장에 대한 임베딩 및 포지션 인코딩을 수행한다. 학습시에는 정답문장, 추론(번역 task)시에는 시작 토큰이 최초 입력으로 주어진다..
Paper Review/NLP 2023. 5. 2. 17:01
[Paper Review - Diffusion] InstructPix2Pix : Learning to Follow Image Editing Instruction

1. InstructPix2Pix란? 이미지와 텍스트(지시어)의 입력으로 이미지를 지시어대로 편집하는 Diffusion 모델 Prompt to Prompt 기법을 적용하여 편집된 이미지와 편집 전 이미지의 일관성을 보장 GPT-3와 Stable Diffusion모델을 사용하여 이미지와 그에 맞는 지시어 그리고 편집된 이미지의 학습데이터를 구축 (즉, 기존의 대형 언어모델과 이미지 생성 모델을 사용하여 학습데이터셋 구축) 기존 image to image 모델과 다르게 이미지 스타일 변화, 배경 변경 등 다양한 이미지 편집 기능을 수행 (하지만 학습데이터셋에 존재하지 않는 편집기능은 수행할 수 없음) 2. 용어정리 2.1. Prompt to Prompt Prompt의 각 토큰(단어)이 어떤 픽셀과 유사한지를..
Paper Review/Diffusion 2023. 4. 4. 23:17
[Deep learning - Useful library] mmdetection 설치 및 테스트

mmdetection이란? Tensorflow object detection API처럼 다양한 객체 탐지 모델을 제공하고 학습, 추론, 파인튜닝, 모델 수정 등 다양한 기능을 제공하는 open source이며, pytorch을 기반으로 구성되어있다. 1. mmdetection 다운로드 git clone https://github.com/open-mmlab/mmdetection.git 2. Dockerfile 빌드 GPU 이름 확인 nvidia-smi --query | fgrep 'Product Name' CUDA GPU와 호환되는 Compute Capability 확인(링크) GTX3090 : 8.6 pytorch docker image을 통한 버전확인 pytorch : 1.9.0 cuda : 11.1 ..
Deap learning/Useful library 2023. 3. 29. 23:36
[Deep learning - Object Detection] mAP(mean Average Precision) 계산 함수 구현

객체 탐지 모델의 성능은 mAP(mean Average Precision) 값을 통해서 평가할 수 있다. 본문에서는 mAP을 구하는 함수를 직접 구현한다. Ground-Truth Bounding Box 하나는 (xmin, ymin, xmax, ymax, label)로 구성되고, Prediction Bounding Box 하나는 (xmin, ymin, xmax, ymax, confidence score, label)로 구성되는 것을 전제로 코드를 작성한다. mAP의 함수에 입력되는 GT-BBOX, Pred-BBOX는 모든 이미지에 대한 BBOX 정보를 포함한다. 1. 패키지 로드 import numpy as np 2. 함수 정의 2.1. Label 획득 함수 모델이 추론할 수 있는 Label의 경우에 사전..
Deap learning/Object Detection 2023. 3. 27. 19:43
[Data Preprocessing] DOTA -> VOC 형식 데이터 변환

DOTA 데이터셋이란? DOTA 데이터셋은 위성 시점 이미지의 객체 탐지를 위해 만들어진 데이터셋이다. 일반적인 객체 탐지 데이터셋처럼 이미지와 바운딩 박스 정보가 포함된 파일로 구성되나, 일반 객체 탐지 데이터셋과 다른 점은 각각의 바운딩 박스의 4 모서리의 좌표가 위치정보를 포함한다는 것이다. DOTA 논문을 살펴보면 (c)와 같이 바운딩 박스가 구성됨을 알 수 있다. 즉, 바운딩 박스 = ((x1, y1), (x2, y2), (x3, y3), (x4, y4))와 같다. (d)는 일반적인 객체 탐지 데이터 형식으로 구성된 바운딩 박스이다. DOTA 데이터셋 DOTA 데이터 셋을 사용하여 일반 객체 탐지 모델을 학습시키기 위해서는 데이터의 형식을 변환할 필요가 있다. 본문에서는 DOTA 형식의 데이터 ..
Data Processing/Data Preprocessing 2023. 3. 25. 13:13
이전 Prev 1 2 3 4 ··· 6 Next 다음