오늘은 자신이 직접 디자인한 딥러닝 모델을 시각화하는 작업을 해보겠습니다. 우선, Pytorch로 구현된 모델을 ONNX로 저장해야 합니다. Pytorch로 ONNX로 저장하기 위해서 아래 명령어를 통해 설치합니다. pip install onnx-pytorch 설치를 완료 후, 자신이 구현한 모델의 객체가 있다면, 아래 코드를 통해 모델을 저장합니다. import torch.onnx input_names = ['Time series data'] output_names = ['Output'] x = torch.zeros(1, 10, 6).to(device) torch.onnx.export(model, x, 'regression_mode.onnx', input_names=input_names, output_..

올바른 분류 모델을 학습시키기 위해 데이터셋을 골고루 분할하는 것이 중요하다. https://github.com/ewine-project/UWB-LOS-NLOS-Data-Set GitHub - ewine-project/UWB-LOS-NLOS-Data-Set: Repository with UWB data traces representing LOS and NLOS channel conditions in 7 Repository with UWB data traces representing LOS and NLOS channel conditions in 7 different indoor locations. - GitHub - ewine-project/UWB-LOS-NLOS-Data-Set: Repository wi..

안녕하세요. 만약 여기까지 따라 오셨다면 90% 정도 성공입니다. 나머지 10%는 Pytorch만 설치하면 됩니다. 굉장히 간단합니다. 아래 Pytorch 공식 사이트를 들어 갑니다. https://pytorch.org/ PyTorch An open source machine learning framework that accelerates the path from research prototyping to production deployment. pytorch.org 아래로 쭉 내리시면, 위 사진처럼 있습니다. 그런데 Run this Command를 그대로 복붙해서 설치하면 됩니다. Pytorch : 1.9 OS : Window10 Package : Anaconda Language : Python Com..

안녕하세요. 주피터 노트북 개인 딥러닝 서버 만들기 2편입니다. 이번 글은 주피터 노트북을 좀 더 유용하고 보기 좋게 만들기 위한 편입니다. 굳이 안 하시고 넘어가셔도 무방합니다. ~ 1. 주피터 노트북 테마 ~ 저는 주피터 노트북 기본 테마를 별로 좋아하지 않습니다. 현재 제가 다니고 있는 연구실은 정부에서 지원하는 딥러닝 서버를 주피터 노트북으로 이용하고 있습니다. 저만 사용하는 것이 아니기 때문에, 기본 테마로 뒀습니다. 하지만 이 딥러닝 서버는 오로지 저만을 위한 서버이기 때문에 테마를 바꾸겠습니다. anaconda prompt를 들어가 pip install jupyterthemes 를 입력해 테마 패키지를 설치합니다. pip install jupyterthemes # 주피터 노트북 테마 패키지 ..

안녕하세요. Plain Network(단순히 Layer을 깊게 쌓음)에서 발생하는 Vanishing Gradient(기울기 소실), Overfitting(과적합) 등의 문제를 해결하기 위해 ReLU, Batch Nomalization 등 많은 기법이 있습니다. ILSVRC 대회에서 2015년, 처음으로 Human Recognition보다 높은 성능을 보인 것이 ResNet입니다. 그 위용은 무지막지한 논문 인용 수로 확인할 수 있습니다. 그렇기 때문에 ResNet은 딥러닝 이미지 분야에서 바이블로 통하고 있습니다. Plain Network는 단순히 Convolution 연산을 단순히 쌓는다면, ResNet은 Block단위로 Parameter을 전달하기 전에 이전의 값을 더하는 방식입니다. F(x) : w..

안녕하세요. 제가 평소에 자주 즐겨보는 빵형의 개발도상국에서 재미있는 딥러닝 예제가 있어서 가져 왔습니다. www.youtube.com/watch?v=VxRCku4Bkgg 평소에는 눈으로만 보다가 재밌어 보여서, 실제로 저도 한 번 해보기로 했습니다. 댓글을 보니, 많은 사람들이 데이터 프로세싱 부분에서 힘들어 하십니다. 저도 따라해보았더니, 학습이 진또배기가 아니라 데이터 전처리 부분이 이 동영상의 꽃이란걸 알게 됐습니다. (역시 딥러닝은 데이터가 문제...) 1. 데이터셋 받기 www.kaggle.com/jessicali9530/celeba-dataset CelebFaces Attributes (CelebA) Dataset Over 200k images of celebrities with 40 bin..

안녕하세요. 오늘은 딥러닝에서 가장 많이 사용되는 ReLU를 통해 비선형함수와 선형함수의 차이점을 알아보겠습니다. 머신러닝에서 선형함수를 통해 회귀문제를 해결할 수 있게 되었고, 더 복잡한 문제를 풀기 위해 비선형 함수 Sigmoid, Tanh, ReLU를 나오기 시작합니다. 현재까지 복잡한 문제를 딥러닝 분야에서 ReLU를 사용하는 것은 당연시 되고 있습니다. 바로, 본론으로 들어가겠습니다. TesorFlow, Keras, Pytorch를 통해 ReLU를 사용하는 것은 굉장히 간단합니다. 신호 및 시스템의 개념적 이야기로 가보겠습니다. ReLU는 왜 비선형 함수일까요? 선형 시스템과 비선형 시스템의 차이 선형성을 가지고 있으면 선형 시스템이고, 그 외는 비선형 시스템입니다. 선형성을 가지는 조건은 무엇..

안녕하세요. 오늘은 구글에서 만든 코랄 보드에 대해 이야기 해보겠습니다. https://coral.ai/ Coral Build intelligent ideas with our platform for local AI coral.ai 현재, 구글에서 고사양 GPU 사양이 아니더라도 작은 임베디드 시스템에서 인공지능을 돌릴 수 있는코랄보드를 소개했습니다. 라즈베리파이와 코랄보드의 사양 간단하게 비교해보겠습니다. 라즈베리파이 코랄보드 라즈베리파이4와 코랄보드를 간단히 비교하면, CPU는 1.5GHz로 무승부입니다. 라즈베리파이4표에서는 최대 4GB이지만 알기로 라즈베리파이4는 8GB까지 있습니다. RAM은 라즈베리파이4가 승리합니다. GPU는 코랄보드가 승리합니다. 전체적인 스펙을 비교하면, 인공지능을 하기 위..

안녕하세요. 저번 Depthwise Separable Convolution 기법에 대해 글을 올렸습니다. 오늘은 이 기법을 사용한 Xception 논문에 대해 리뷰하도록 하겠습니다. https://openaccess.thecvf.com/content_cvpr_2017/html/Chollet_Xception_Deep_Learning_CVPR_2017_paper.html CVPR 2017 Open Access Repository Francois Chollet; Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, pp. 1251-1258 We present an interpretation of In..

글의 가독성을 위해 아래 링크에 정리해둠. https://blog.naver.com/younjung1996/223413266165 [딥러닝] Depth-wise Separable Convolution Depth-wise Separable Convolution은 합성곱 신경망(CNN:Convolution Neural Network)의 효율성과... blog.naver.com 안녕하세요. Google Coral에서 학습된 모델을 통해 추론을 할 수 있는 Coral Board & USB Accelator 가 있습니다. 저는 Coral Board를 사용하지 않고, 라즈베리파이4에 USB Accelator를 연결하여 사용할 생각입니다. 딥러닝을 위해 나온 제품이라 할지라도 아직 부족한 부분이 많습니다. 이런 고성..