본문 바로가기

Ai31

Week-4 YOLOv7 사용하기 (detection 첫걸음) 축제, 시험기간 사이에 끼여 classification을 더 진행하자니 재미없을 것 같고, mmdetection을 하자니 너무 무거운 주제가 될 것 같아서 yolo 사용법을 익히며 살짝 재미를 볼까 한다.colab이 아닌 개인GPU를 사용한다면 실시한 detection도 체험할 수 있는데 그건 나중에 사용법만 남겨두조가 한다. 사용하기에 앞서, wandb에 회원가입을 해야한다.https://kr.wandb.ai/ Weights & Biases – Developer tools for MLWandB is a central dashboard to keep track of your hyperparameters, system metrics, and predictions so you can compare model.. 2024. 6. 1.
Week-3 classification 모듈화 & colab에서 run time 끊기지 않게 JavaScript 입력하기 function ClickConnect(){console.log("Working"); document.querySelector("colab-toolbar-button#connect").click() }setInterval(ClickConnect, 1800000)이렇게 Console에 입력해주면 30분에 한 번씩 마우스 클릭을 한다 2024. 5. 30.
Week-2 Ubuntu ( Linux ) 에 Git 설치하기 첫 주차에는 간단한 classification baseline을 제공한 것을 토대로optimizer, shceduler를 교체한 뒤 성능의 변화, loss score의 변화, learning rate의 변화를 관찰하여 발표를 하고,다양한 augmentation을 입히는 방법을 실습했다. 이제 모두들 작업한 자료를 깃허브에 커밋과 풀,푸쉬를 하며 깃허브에 익숙해지는 시간도 가져볼 것이다. 우리가 작업할 공간은 이 공간이다. 1. Git 설치설치는 터미널 창에서 실행하면 된다.sudo apt-get install git이 명령어를 통해 패키지 리스트를 다운로드 받을 수 있다.git install을 하려해도 git이 내 공간에 없는 경우엔 설치할 수 없기 때문에 업데이트를 한번 해주는 것이라 생각하면 된다. .. 2024. 5. 10.
Week-1 Classification - (1) ( Sign Language MNIST ) 0. 개요첫 주차는 파이프라인을 구성하는 코드 하나하나를 분석하지 않고전반적인 훈련 흐름을 "관광"하는 것이 목표이다. 이번 주의 핵심은 (1)모델을 고정하고, (2) epoch을 고정하여 동일한 환경에서(1)데이터 전처리와 (2)optinizer 및 scheduler 를 변형하여 성능 향상을 이뤄낼 수 있다는 것을 경험하는 것이다. 이번 주에는 model은 resnet50을 사용하였고,  epoch은 50으로 고정하였지만 scheduler를 관찰하기 위해 scheduler를 사용하는 부분은 100epoch으로 했다. 채팅방을 통해 제공된 tar.gz파일을 압축해제하여 데이터셋과 파일을 볼 수 있다.cd [폴더]  명령어를 이용해 tar.gz파일 위치로 이동한 다음tar -zxvf 1_classifica.. 2024. 5. 7.
Week-1 Ubuntu(Linux)에서 miniconda 설치, 가상환경 생성 1. miniconda 설치 윈도우 환경 위에 WSL2로 Ubuntu 환경을 만들었다. 이제 miniconda를 설치해보자. 이 명령어를 터미널에 작성해준다.wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh다운로드가 완료되면 cd 명령어를 사용해 설치된 폴더로 이동한 뒤 다음 명령어를 실행한다.sh Miniconda3-latest-Linux-x86_64.sh eixt 이 명령어로 터미널을 종료한다.다시 ctrl + j 를 눌러 터미널을 켜면 (base)가 열려 conda가 실행됨을 알 수 있다. 2. 가상환경 생성conda create -n classification python=3.11이렇게 작성하면, classific.. 2024. 3. 30.
Week-1 : VScode와 Colab 연동 보호되어 있는 글 입니다. 2024. 3. 30.
Week-1 : Window에 Linux 설치 앞으로 2달 가량에 걸쳐 classification, detection, segmentation을 실습할 것이다. 특히나 detection과 segmentation에서 사용할 mm 시리즈는 윈도우에서도 사용할 수 있으나 colab, kaggle환경과 동일하게 코드를 재사용할 수 없는 사소한 불편함이 있고, 환경설정에도 불편함이 있기 때문에 리눅스를 사용해보도록 하자.(앞으로도 리눅스 환경에 익숙해지면 개발자로 살면서 두고두고 좋을 것이다!) 1. Linux - Ubuntu 20.04 설치1-1) Window 설정"Windows 기능 켜기/끄기" 에 접속하여"Linux용 Windows 하위 시스템", "Windows 하이퍼바이저 플랫폼" 을 활성화한다.설정 → 업데이트 및 보안 → 개발자용 → 개발자 모드.. 2024. 3. 29.
timm model list bat_resnext26ts beit_base_patch16_224 beit_base_patch16_384 beit_large_patch16_224 beit_large_patch16_384 beit_large_patch16_512 beitv2_base_patch16_224 beitv2_large_patch16_224 botnet26t_256 botnet50ts_256 caformer_b36 caformer_m36 caformer_s18 caformer_s36 cait_m36_384 cait_m48_448 cait_s24_224 cait_s24_384 cait_s36_384 cait_xs24_384 cait_xxs24_224 cait_xxs24_384 cait_xxs36_224 cait_xxs36_384 .. 2023. 12. 20.
cuda 버전 확인, cuda 설치 윈도우 실행 창에서 (win + R) cmd 창을 열고 nvcc --version 을 쳐준다 https://pytorch.kr/get-started/locally/ 파이토치 한국 사용자 모임 (PyTorch Korea User Group) 파이토치 한국 사용자 모임에 오신 것을 환영합니다. 딥러닝 프레임워크인 파이토치(PyTorch)를 사용하는 한국어 사용자들을 위해 문서를 번역하고 정보를 공유하고 있습니다. pytorch.kr 그리고 여기서 설치 코드를 받아온다 2023. 11. 21.
괴랄한 torch.scatter( ) 이해하기 scatter를 이해하기 위해 https://pytorch.org/docs/stable/generated/torch.Tensor.scatter_.html#torch.Tensor.scatter_ torch.Tensor.scatter_ — PyTorch 2.1 documentation Shortcuts pytorch.org 여기에 들어가보면 self[index[i][j][k]][j][k] = src[i][j][k] # if dim == 0 self[i][index[i][j][k]][k] = src[i][j][k] # if dim == 1 self[i][j][index[i][j][k]] = src[i][j][k] # if dim == 2 이렇게 친절하게 알려준다..... 친절하게 예시도 준다...(못알아 먹겠.. 2023. 11. 14.
torch.swapdims(x,0,1) 의 이해 보이는 그대로 ! dim = 0 과 dim = 1 바꿔준다 2023. 11. 14.
괴랄한 torch.gather 명령어 이해 a = torch.arange(64).view(4,4,4) print(a.shape) print(a) indi = torch.tensor([[[0,1,2,3],[0,1,2,3]],[[0,1,2,3],[0,1,2,3]],[[0,1,2,3],[0,1,2,3]]]) out = torch.gather(a,0,indi) # axis = 0 print(out) out = torch.gather(a,1,indi) # axis = 1 print(out) out = torch.gather(a,2,indi) # axis = 2 print(out) axis= 0, 1, 2 의 경우를 관찰 ! 여기서 indices는 2x4x3 (row col channel)으로 만들었는데 (torch.shape는 3x2x4) input이 i.. 2023. 11. 13.
728x90
반응형

티스토리툴바