retinanet_18 기준입니다.저는 noodle을 detection하는 프로젝트를 해서 파일명을 noodle관련으로 바꿔줬습니다. 각자의 프로젝트에 맞게 이름 수정하면 될 것 같습니다!mmdetection > configs > base > datasets > noo

MySQL에서 엑셀파일을 불러와 테이블에 저장해보자!SQL을 처음 다뤄보는 나에게는 기본적인 것부터 오류가 많이 떠서 막힌다.😭앞으로도 자주 쓸 루틴인 것 같아서 정리해보고자한다. 쓰고자하는 데이터베이스를 선택(우클릭)하여 table data import wizard

먼저 들어온 것이 먼저 나간다. 선입선출의 형태의 큐에 대해서 알아보자 계산대에 먼저 줄 선 사람이 먼저 계산을 하고 나가는 것을 큐 형태의 예로 들 수 있다. 큐는 양쪽이 뚤려 있는 구조로 한쪽에서는 삽입만 진행되고, 다른 쪽에서는 추출만 진행된다. 큐에 데이터를 삽

파이썬 input() 함수는 한 번에 한가지의 값만 받을 수 있다.input() 한 번에 여러개의 입력값을 받고싶다면? split을 사용하면 된다.

세그멘테이션을 하는 방법으로는 시맨틱 세그멘테이션과 인스턴스 세그멘테이션 으로 나눌 수 있다. 좌측의 그림은 시맨틱 세그멘테이션의 예시로 양, 길, 풀밭으로 영역을 구분하지만 양들 각각을 구분하지 않는다. 반면에 우측의 그림은 인스턴스 세그멘테이션의 예시로 같은 종류의

가장 단순한 딥러닝 형태로 주어진 이미지 안의 물체가 무엇인지 알아내는 것이다. cats_vs_dogs 데이터셋의 경우 고양이의 이미지가 들어오게되면 학습된 모델이 고양이로 classification하는 것을 예로 들 수 있다. 주어진 이미지 안의 물체가 어느 위치에

사람의 눈으로 보면 당연히 '판다'이다.하지만 AI의 눈으로 보면 57.7% 의 확률로 판다라고 결정을 내린다.거기에 노이즈를 섞어준다면?? 99.3% 의 확률로 긴팔원숭이라고 결정을 내린다.AI는 왜 이렇게 답을 내렸을까??답은 알수없다. 어떤 과정을 통해 그런 답을

딥러닝 모델을 잘 학습시키위해서는 수많은 데이터를 확보해야한다. 수백~수천만장의 데이터셋을 만들기는 돈도 시간도 많이 들기에 현실적으로 힘든 부분이다. 우리는 데이터를 많이 모으기 힘든 경우에 Aumentation 기법을 사용하여 데이터셋의 규모를 키울 수 있다. 이

더 깊게 레이어를 쌓아서 학습을 시킬 순 없을까?ResNet 이전까지의 모델들은 레이어를 깊게 쌓으면 gradient vanishing & exploding 문제가 발생하였다. 레이어를 깊게 쌓을수록 더 정확한 예측을 할 것이라 예상했는데 training 과 test

스레드를 알아보기전 예시로 워밍업하고가자!음식을 만드는 프로그램이 있다. 요리사는 맛있는 음식을 만드는 프로세스를 진행할 것이다. 밥짓기, 재료볶기, 끓이기 등등 세분화된 작업을 스레드라고 생각하면된다. 프로세스 내에서 실행되는 흐름의 단위를 스레드라고 한다. 일반적으

process 하나의 프로그램을 실행할 때, 운영체제는 한개의 processor를 생성한다. 프로세서는 운영체제의 커널에서 CPU,메모리,디스크 및 자료구조를 이용한다. 프로세서는 프로그램을 구동하여 프로그램 자체와 프로그램의 상태가 메모리상에서 실행되는 작업단위를

멀티태스킹에는 2가지 동작방식이 있다.1\. 동시성2\. 병렬성라면을 끓인다고 생각해보자. 한명의 요리사가 동시에 여러가지 일들을 하는 것이다.하나의 processor가 여러가지 task를 동시에 수행하는 개념을 동시성이라고 한다. 특정순간에는 1가지 task만 수행하

CS231n 10강 one to one 지금까지 우리는 입력 1개 -> 출력 1개의 구조를 배웠었다. 일반적으로 fixed size의 이미지가 input으로 들어가면 hidden layer를 거쳐서 fixed size를 가지는 클래스의 스코어가 output으로 나오

Digital Footprint(디지털 발자국), Digital Shadow(디지털 그림자)

LSTM타임스텝이 긴 데이터를 효과적으로 학습하기위해 고안된 순환층이다. 입력/삭제/출력 게이트 역할을 하는 작은 셀이 포함되있다.LSTM은닉상태와 셀상태를 출력한다. 셀상태는 다음층으로 전달되지않으며 현재 셀에서만 순환한다.GRULSTM의 간소화 버전으로 성능도 조오

순차 데이터 텍스트나 시계열 데이터와 같이 순서에 의미가 있는 데이터이다. 대표적으로 글, 대화, 일자별 날씨 등이 있다.순환 신경망순차 데이터에 잘맞는 인공신경망의 한 종류이다. 순환층을 셀이라고 부르고 셀의 출력을 은닉 상태라고 부른다. 은닉상태는 다음층으로 전달될

CS231n 6강learning process를 어떻게 관리해나가야하는지 살펴보자 첫번째 단계로는 데이터를 전처리 해야한다.이미지에서는 이미 0-255의 값으로 되어있기때문에 정규화할 필요는 없고, zero centered만 하면 된다. 히든 레이어의 구성 등을 일단

CS231n 6강기울기 소실문제를 해결하기위해 활성화 함수를 변화시키거나 Batch Normalization을 하는 방법이 있다. 오늘은 Batch Normalization에 대해서 살펴보자Batch Normalization은 학습하는 과정을 안정화시켜 근본적으로 문제

CS231n 6강가중치 초기화에 대해 알아보자가중치 W를 0으로 초기화한다면?? gradient vanishing이 발생한다.그래서 생각해낸 첫번째 아이디어가 랜덤의 작은 값들로 초기화하는 것이다.평균이 0이고, 표준편차가 0.01인 randn을 발생시켜 W를 초기화한

CS231n 6강