분류 전체보기
-
[Keras] Sequential Model (순차모델) 사용 예제 - multi layerDeep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 23:49
Training Set & Test Set 생성하기 Sequential Model 생성하기 여기까지는 단일 layer와 동일하다. Model의 Layer 구성하기 첫번째 layer는 input은 그대로 한개인데, output이 2개로 바뀌었다. 두번째 layer를 add할때는 첫번째 layer 때와는 다르게, input_shape을 지정해줄 필요가 없다. Sequential Model을 사용할 때에는 첫번째 add에만 input_shape이나 input_dim을 지정해주고, 그 이후부터는 output 개수만 정해주면, 모델 내부에서 알아서 연결해 준다. Model 학습 시키기 & 예측하기 학습 시키기 전의 y_predict 값과 학습 이후의 y_predict의 값을 보면, [[5], [7]] 이라는 y_..
-
[Keras] Sequential Model (순차모델) 사용 예제 - 단일 layerDeep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 23:32
Keras 에서는 신경망 모델을 만드는 방식 중 하나인 Seqential Model을 제공한다. 이는 순차적으로 layer를 더해나가는 방식으로, 매우 간단하다. Training Set & Test Set 생성하기 우선, 모델을 통해서 학습할 데이터와, 학습된 모델을 테스트할 데이터를 생성하자. input과 output의 shpae과 dimension을 찍어보면 아래와 같다. x_train은 2행 1열의 2차원짜리 행렬임을 확인했다. 위의 training set과 같은 방식으로 test set도 생성한다. Keras의 Sequential Model 생성하기 Sequential Model 생성하기 아래처럼 model을 생성하고, 그 모델의 type을 찍어보면, keras 자체 엔진에서 제공하는 sequen..
-
[TensorFlow] 텐서플로우 2.0 예제 01 (Colab 환경)Deep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 22:24
Tensorflow를 import하기 아래처럼 텐서플로우 라이브러리를 프로그램에 import 해줍니다. 처음이라 설치하는 내용까지 같이 들어간 거고, 그냥 import tensorflow as tf만 입력해도 됩니다. Tensorflow로 난수 생성하기 Uniform 사용해서 난수 생성하기 uniform 함수는 인자를 총 세 개 받는데, 첫번째 인자는 shape으로, 반환되는 난수의 차원을 의미하고, 두번째 인자와 세번째 인자는 각각 최솟값과 최댓값을 의미한다. 발생시킨 난수를 출력해보면, Tensor의 내용이 출력된다. Noraml 사용해서 난수 생성하기 normal 함수도 인자를 총 세 개 받으며, 그 구성을 Uniform과 약간 차이가 있다. 첫번째 인자 shpae은 uniform에서와 마찬가지로 ..
-
[Keras] 처음 접해보는 KerasDeep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 21:00
Keras Python으로 작성된 neural network 라이브러리 오픈 소스다. Tensorflow나 Theano 같은 라이브러리 위에서 돌아가며, DNN을 빠르게 실험하도록 도와준다. 초기에 구상한 사람은 구글의 Fancois Chollet인데, XCeption이라는 DNN 모델의 제작자이기도 하다. 2017년 구글의 텐서플로우 팀이 Keras를 텐서플로우에서 지원하기로 결정하였는데, Chollet의 말에 의하면 Keras는 독립적인 프레임워크보단 interface에 좀 더 가깝다고 여겼던 것 같다. 보다 더 직관적인 추상화 set을 제공하여서, 딥러닝 모델들을 computational backend와 상관없이 개발하는 것을 쉽게 만들어 줬다. tf.keras import 하기 tf.keras는 ..
-
[Colab] 사용법 - Github 코드 활용하기Deep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 24. 21:36
Gihub repository Cloning Github의 코드를 Colab에서 클론하여 사용할 수도 있다. 1. 클론하고자 하는 Git 링크를 복사한다. 2. git clone을 아래 명령을 통해 클론한다. !git clone [github link] 3. Google Colab 가상 머신 서버에 클론한 repository가 올라간 것을 확인할 수 있다. 위에서 설명한 방식은 전체 repository를 cloning 하는 것이었고, 만약 단일 .ipynb 파일을 cloning 하고 싶다면, https://github.com/~~ 을 https://colab.research.google.com/github/~~로 교체한다. Uploading my codes to Github from Colab Colab..
-
[Colab] 사용법 - 구글 드라이브 연동하기Deep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 24. 21:14
What's Colab? 간단히 말하자면, Google Drive + Jupyter Notebook! Tensorflow 같은 ML, DL에서 사용하는 라이브러리를 구동하기 위해서는 GPU가 필수적으로 필요하다. 하지만 모든 학생들이 GPU가 달려 있는 노트북을 갖고 있는 것은 아니며, 신형 맥북은 ㅠㅠ 엔비디아와 애플 간의 갈등으로 인해... 딥러닝 어플리케이션들을 구동하기에 매우 까다로워졌다. 따라서, 이런 경우에 학습 목적으로 구글 리서치 팀이 제작하여 배포하는 Colab을 사용하면 좋다. Colab은 머신러닝 교육과 연구를 목적으로 만들어진 것으로 Jupyter notebook 환경으로 구성되어 있어서, 사용하기 위해서 따로 설치하는 과정이 필요 없고, 단지 cloud 위에서 구동시키면 된다. 파..
-
[github] 내가 자꾸 까먹어서 정리하는 git 사용법공부하는 글른 2020. 5. 5. 21:04
prepare git git에 올리고 싶은 directory로 이동해서 기존의 git management 정보를 지워준다. rm -rf .git initialize git git에 의해서 manage될 수 있도록, 해당 directory를 초기화 해준다. git init setup remote repository url git repository url을 directory와 연결(?) 하는 작업을 해준다. git remote add origin {repository url 주소} upload files to github 해당 directory에 있는 파일을 모두 github에 업로드 시킨다 . git add . git commit -m "first commit" git push origin master
-
[PoseTracking] AlphaPose 환경 설정Deep Learning 공부자료/Alphapose 2020. 4. 27. 16:24
가상환경 생성 파이썬 버전을 3.6으로 맞춰서 가상환경을 생성 해 준다. conda create -n {가상환경 이름} python=3.6 -y 가상 환경을 실행 시킨다. conda activate {가상환경 이름} Pytorch 설치하기 conda install pytorch==1.1.0 torchvision==0.3.0 Alphapose clone하기 git에서 clone해온다. git clone https://github.com/MVIG-SJTU/AlphPose.git Alphapose 설치하기 Alphapose 디렉토리로 이동하고, 아래와 같은 과정을 따라서 install 해준다. (마지막 줄이 진짜 엄청 오래 걸린다.) export PATH=/usr/local/cuda/bin/:$PATH exp..
-
[SISR] SISR 분야 논문 이해를 위한 용어 정리 1탄Paper Review/Computer Vision 2020. 4. 13. 21:32
해당 포스팅은 Computer Vision 영역 중 SISR 문제에 대해서 처음 다뤄 보시거나 입문하시는 분들 (나....) 에게 간단한 아주 얕은 용어 정리를 제공합니다. 1. Solution 1) input의 해상도를 높이는 solution (input image = output image) 2) input과 유사한 high resolution의 다른 image를 찾아주는 solution (input image ≠ output image) 2. Measure (평가방식) 1) PSNR : pixel to pixel의 차이를 측정 2) MOS : 사람이 1~5 단계로 점수를 매겨서 평가 3. Polynomial-based Interpolation - Solution type 1에 해당 - bilinea..
-
[논문리뷰] Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network (SRGAN)Paper Review/Computer Vision 2020. 4. 6. 23:33
해당 논문은 4X upsacling이 가능한 최초의 framework 입니다. SISR의 정확성 문제와 속도 문제가 많이 해결되었으나, perceptual texture detail이 부족한 문제를 해결하기 위한 모델입니다. Introduction 기존 방식 (optimization target of supervised SR algorithms)의 목표는 MSE를 줄여서 PSNR을 키우는 것이었으나, PSNR이 pixel-wise 기반이라서, perceptually relevant 표현을 잘 하지 못하는 한계를 갖고 있었으며, GAN과 perceptual loss function을 이용하여 이를 해결하는 모델 SRGAN을 고안하였습니다. 위의 그림을 보면, bicubic의 PSNR이 SRGAN의 PSNR..