Dev Stack

텐서플로우를 설치하는데 공식 문서에는 18.04 를 기준으로 안내를 하고 있다. Ubuntu20.04 를 기준으로 설치하는데 몇번을 삽질하고 쉽게 설치하는 방법을 찾아 정리 해본다. 아래의 명령어를 통해 GPU 드라이버와, 기초 라이브러리를 설치한다. # Add NVIDIA package repositories wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer...

이전글 : 2021.08.04 - [Develope/Python] - Detectron - 응용편1 #image labeling Detectron - 응용편1 #image labeling detectron 샘플 예제를 응용하기 위해 직접 모델을 만들어 보기로 한다. 안경을 구분해 내는 모델을 만들어 보도록 한다. 훈련용 이미지에 labeling 을 해줘야 하는데, 여러가지 툴 중 Polygon 형태의 lab brtech.tistory.com 이전 응용편에 이어 validation 과정을 진행해볼 차례이다. 기본 코드는 샘플과 동일하며 다른점은 dataset 을 불러오는것과 validation 용 이미지를 불러오는 방식이 다를뿐 샘플과 완전히 동일하다. 샘플에서는 validation 용 이미지 파일 리스트..

detectron 샘플 예제를 응용하기 위해 직접 모델을 만들어 보기로 한다. 안경을 구분해 내는 모델을 만들어 보도록 한다. 훈련용 이미지에 labeling 을 해줘야 하는데, 여러가지 툴 중 Polygon 형태의 labeling이 가능한 labelme 라는 툴을 사용하기로 했다. https://github.com/wkentaro/labelme#macos GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag Image Polygonal Annotation with Python (polygon, rectangle, circle, l..

* 이 글은 공부하는 단계에서 샘플을 이해하고 개인적인 해석이 들어가 있으므로 잘못된 내용이 있을수 있습니다. 이번에는 Custom Dataset(balloon) 을 이용한 모델 훈련 예제를 실행해본다. 먼저 ballon_dataset 을 다운받아서 압축을 풀어준다. wget https://github.com/matterport/Mask_RCNN/releases/download/v2.1/balloon_dataset.zip unzip ballon_dataset.zip 폴더 안에는 train 전용 이미지들과 validation 용 이미지들이 각각 폴더에 있고 풍선에 레이블링이 된 json파일이 있다. 아래 코드는 detectron zoo 모델에 커스텀 데이터 세트(balloon) 를 등록하고 확인하는 코드이..

https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=4Qg7zSVOulkb Detectron2 Tutorial.ipynb Colaboratory notebook colab.research.google.com 구글 코랩에 올라와있는 샘플 코드를 기반으로 로컬에서 실행해본다. # check pytorch installation: import torch, torchvision print(torch.__version__, torch.cuda.is_available()) assert torch.__version__.startswith("1.9") # please manually install torch 1.9 if C..