Stats & AI tech blog - '일단 시도함'

1. GPU 확인장치관리자 > 디스플레이 어댑터에서 GPU 모델명 확인  2. 엔비디아 드라이버 다운로드 & 설치내 GPU 모델을 선택해서 드라이버 다운로드 & 설치https://www.nvidia.co.kr/Download/index.aspx?lang=kr Download the latest official NVIDIA driversDownload the latest official NVIDIA driverswww.nvidia.com 3. CUDA 설치3.1 내 GPU의 Computing capability 확인하고 그에 맞는 CUDA 버전 확인: 저의 경우는 computing capability 6.1 -> cuda 12.1 다운로드https://en.wikipedia.org/wiki/CUDA#GPU..

Google Colab을 쓰다 GPU 사용 용량 제한 때문에 로컬 GPU에 연결해서 사용하기로 했다.jupyter lab을 활용해서 연결을 해줄거기 때문에, Python과 jupyter notebook, jupyter lab을 설치가 필요하다.  1. Python  설치https://www.python.org/downloads/ Download PythonThe official home of the Python Programming Languagewww.python.org  2. jupyter notebook 설치 cmd > pip install jupyter notebook  3. jupyter lab 설치cmd > pip install jupyter lab        >  jupyter lab (설..

이번 포스팅에서 리뷰할 논문은 저해상도의 이미지를 고해상도의 이미지로 변환하는 초해상도(SR, Super Resolution) 모델 중 하나인 VDSR 모델에 대한 논문이에요. VDSR은 기존 SR분야에서 SOTA 성능을 보이는 SRCNN의 한계점을 극복하면서도 좋은 성능을 보인다고 해요.  IntroductionSRCNN이 초해상도 분야에서 딥러닝 기술을 성공적으로 적용하였지만 아래 몇 가지 한계점들이 존재해요.1. 작은 이미지 영역의 context에 의존2. 수렴(convergence)이 너무 느림3. Single scale을 위한 네트워크 본 연구에서 이런 문제점들을 실용적으로 해결하는 새로운 방법을 제안해요. 1. Context 작은 이미지 영역은 세부적인 recovery에 필요한 충분한 정보를 ..

오늘은 Google Colab에서 현재 작업 폴더가 아닌 다른 폴더에 있는 패키지나 모듈을 import하는 방법에 대해 알아보겠다.우선 Colab과 Google Drive를 연동시켜주는 작업이 먼저 필요해요. 아래 코드를 실행하면 연동이 가능하다.from google.colab import drivedrive.mount('/content/drive') 코드를 실행시킨 후 잠시 기다리면 화면 왼쪽 파일이 표시되는 부분에 drive 폴더가 생긴 걸 확인할 수 있다.  드라이브가 연동되었다면 이제 다른 폴더에 있는 패키지/모듈을 import 해보겠다. "drive > Mydrive > PyTorch > Image Classification > HERBS" 안에 있는 timm 패키지를 import 하고 싶다고 ..

머신러닝 딥러닝 관련 최신 연구 동향과 모델을 파악하기 위한 방법/사이트들을 정리해 보았다. 논문주요 학술 지식 웹사이트인 arXiv나 IEEE Xplore와 같은 플랫폼에서 모델의 성능과 특징에 대한 정보를 담은 논문을 찾아볼 수 있다.arXiv : https://arxiv.org/IEEE Xplore : https://ieeexplore.ieee.org/Xplore/home.jsp 컴퓨터 비전 컨퍼런스컴퓨터 비전 분야의 주요 컨퍼런스인 CVPR(Computer Vision and Pattern Recognition), ICCV(International Conference on Computer Vision), ECCV(European Conference on Computer Vision) 등에서 발표된..

지난 포스팅에서는 PyTorch를 활용한 심층신경망(DNN) 모델 학습에 대한 코드를 알아보았다.이번 포스팅에서는 이미지 분석을 위한 합성곱신경망(CNN) 모델을 생성하고 학습하는 코드를 알아보도록 하겠다.  CNN 모델 구축과 학습 과정은 아래 순서대로 진행한다.필요한 라이브러리/패키지 불러오기연산을 수행할 장치(CPU or GPU) 설정데이터 불러오기CNN 모델 생성 및 파라미터 정의모델 학습 및 평가 1. 라이브러리/패키지 불러오기import numpy as np # 넘파이 배열import matplotlib.pyplot as plt # 그래프 그리기import torchimport torch.nn as nn # 딥러닝 모듈from torch.autograd import Variable # 자동 ..

2024.04.02 - [Data Science/Deep Learning] - [ML/DL] DNN, Deep Neural Network (심층신경망) (1) - 기울기 소실 (Vanishing gradient) [ML/DL] DNN, Deep Neural Network (심층신경망) (1) - 기울기 소실 (Vanishing gradient)DNN, Deep Neural Network (심층신경망) (1) - 기울기 소실 (Vanishing gradient)   2024.04.01 - [Deep Learning] - [DL] MLP, Multi-Layer Perceptron (다층 퍼셉트론) [DL] MLP, Multi-Layer Perceptron (다층 퍼셉트론)MLP, Multi-Layer Per..

오늘은 파이썬의 enumerate()함수를 사용해서 for loop문을 작성하는 방법에 대해 알아보겠다.for문을 작성하는 방식은 사람마다 다를 수 있는데, 어떤 방식들이 있는지, 그 중 가장 파이썬스러운 방식은 무엇인지 확인해보려고 한다. 1. for 문먼저 인덱스 i를 0으로 초기화 시킨 후에 루프마다 1을 더해 간다. 이런 방식은 루프문이 종료된 후에도 i가 그대로 남아있다는 단점이 있다i=0for letter in ['A','B','C']: print(i, letter)    i+=12. range(), len() 함수 사용두 번째로는 range()와 len()함수를 이용하는 방법이다. 먼저 iteration할 목록를 정의해놓고 목록의 length를 인덱스 range로 사용하는 방식으로, 많이 사..

다층 퍼셉트론(MLP), 심층신경망(DNN)에 이어 이번 포스팅에서는 컨볼루션 신경망(CNN)에 대해 알아보고자 한다.  1. 컨볼루션 신경망 (Convolution Neural Network) 이란? CNN은 영상 자료로부터 패턴인식을 하는데 이용되는 end-to-end 방식의 딥러닝 기법이다.  end-to-end 방식이란 feature 추출부터 분류까지 전체적인 과정을 하나의 모델로 수행 가능한 알고리즘을 뜻하는데,CNN 이전에 사용하던 영상 분류 알고리즘에는 사람이 직접 feature를 선택하는 hand-crafted feature 추출 과정이 포함되어 있었다. 이러한 방법은 얼마나 좋은 feature를 선택하냐에 따라 성능이 크게 좌우된다는 단점이 존재했고, hand-crafted feature..

2024.04.05 - [Programming/Python] - [Python] PyTorch에서 신경망 모델 정의 [Python] PyTorch에서 신경망 모델 정의PyTorch에서 신경망 모델 정의 오늘은 파이토치(PyTorch)에서 모델을 정의하는 방법에 대해 알아볼거에요. 모델 정의에 필요한 개념인 계층(Layer), 모듈(Module), 모델(Model)에 대해 먼저 알아볼게요. 계meowstudylog.tistory.com 이전 포스팅에서 파이토치(PyTorch)를 활용해서 신경망 모델을 정의하는 방법에 대해 알아보았다.이번 포스팅에서는 신경망 모델 파라미터인 손실함수(Loss function), 옵티마이저(Optimizer), 학습률 스케줄러(Learning rate scheduler), 지..