Tmux Tmux는 terminal multiplexer의 약자로 하나의 터미널에서 화면 분할을 할 수 있게끔 해주고, 특히 딥러닝을 학습 시 ssh 연결을 통해 작업을 많이 하게 되는데, 이 때 tmux를 사용하면 ssh 서버와 연결이 끊겨도 작업중인 세션들이 사라지지 않도록 해준다. Tmux 설치하기 및 설치 확인 $ sudo apt install tmux $ tmux -V Tmux 생성하기 $ tmux 아래와 같이 session에 이름을 지정하여 생성하는 방법은 아래와 같다. $ tmux new -s [세션명] test라는 이름을 지정하여 생성하면 아래와 같이 창이 나타난다. Session 확인하기 아래와 같이 명령어를 입력해주면 detached 되어있는 session을 확인할 수 있다. $ tmu..

Github https://github.com/albumentations-team/albumentations GitHub - albumentations-team/albumentations: Fast image augmentation library and an easy-to-use wrapper around other libraries. Fast image augmentation library and an easy-to-use wrapper around other libraries. Documentation: https://albumentations.ai/docs/ Paper about the library: https://www.mdpi.com/2078-2489/11/2/125 -... github.co..

유니티를 이제 막 시작하려는 분들에게 추천하고 싶은 이 책은 한빛미디어에서 출간된 "초보자를 위한 유니티 입문"으로, 유니티 엔진을 이용하여 2D, 3D, 스마트폰용 게임을 만드는 과정을 담은 책이다. 1장에서는 유니티에 관련된 기본 지식과 설치 방법, 유니티 허브를 설명하고, 2장에서는 유니티 에디터 화면을 살펴보면서 각 기능을 사용하는 방법에 대해 설명한다. 3장 부터는 공 굴리기 3D 게임을 만들어보면서 유니티를 익히고, 4장에서 7장까지 게임의 기능을 추가해보면서 여러 리소스를 사용하는 방법에 대해 다루게 된다. 유니티의 장점 중 하나는 멀티 플랫폼 대응이 가능하다는 것이라 여러 게임 제작을 위한 회사에서 다양하게 활용되고 있다. 주요 대응 플랫폼으로는 윈도우, macOS, iOS, 안드로이드, ..

mount.davfs 할 때 마운트 할 폴더를 미리 만들어줘야함

ResNet 이번에 볼 Backbone은 ResNet입니다. 원 논문은 "Deep Residual Learning for Image Recognition" 이고, 벌써 인용 수가 160,317회나 되네요. 저자는 Kaiming He 입니다. 굉장히 유명하신 분이죠. 무려 Microsoft Research 의 결과물이네요. ResNet의 구조 단순 convolutional neural network에서 Layer를 무작정 늘렸을 때 성능이 오히려 떨어진다고 합니다. 그래서 나온 개념이 ResNet의 핵심 아이디어인 Residual block 입니다. 이는 H(x)를 기존의 네트워크라고 할 때, H(x)를 복잡한 함수에 근사시키는 것 보다 F(x) := H(x) - x일 때, H(x) = F(x) + x이고..

Paper : https://arxiv.org/abs/1409.1556 VGGNet VGGNet은 옥스포드 대학의 연구팀 VGG에 의해 개발된 모델로써, 2014년 이미지넷 이미지 인식 대회에서 준우승을 한 모델이며, 특히 VGG-16 모델은 ImageNet Challenge에서 Top-5 테스트 정확도를 92.7% 달성했습니다. 딥러닝 역사적으로 보았을 때 신경망의 깊이가 이 때 부터 깊어졌다고 하네요. VGG 뜻은 Visual Geometry Group이며, 논문 명은 "Very Deep Convolutional Networks for Large-Scale Image Recognition" 입니다. vgg 관련 pytorch 공식 문서에서 보시면 VGG16 외에 VGG11, 13, 19 등이 있습니다..

AlexNet AlexNet은 무려 2012년에 개최된 ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 대회의 우승을 차지한 컨볼루션 신경망(CNN) 구조입니다. AlexNet 논문명은 "ImageNet Classification with Deep Convolutional Neural Networks"이고, 이 논문의 첫번째 저자가 Alex Khrizevsky이기 때문에 그의 이름을 따서 AlexNet이라고 부른다고 합니다. 무려 현재 기준 130,639회 인용이네요. 후덜덜... 저자 Alex를 Google Scholar에 쳐보니 간간히 논문이 나오고 있습니다. Image Classification task에서 유명한 데이터세트인 CIFAR-10 ..

Paper : https://ieeexplore.ieee.org/abstract/document/726791 Convolutional Neural Network 연구의 시초라고 할 수 있는 LeNet 입니다. 논문 제목은 "Gradient-based learning applied to document recognition" 이며, 인용 수가 무려 54,056회나 되고, 1998년에 처음 공개되었습니다. LeNet은 CNN을 처음으로 개발한 얀 르쿤(Yann Lecun) 연구팀이 1998년에 개발한 CNN 알고리즘의 이름입니다. LeNet-5의 구조 LeNet-5의 구조는 아래와 같습니다. 3개의 Conv Layer (C1, C3, C5)로 구성되어 있으며, 2개의 Sub-sampling Layer(S2,..

pre-trained model의 일부분만 바꿔서 모델을 학습시키려고 할 때 pre-trained model의 파라미터 일부를 가져와 현재 모델의 state dict을 업데이트 하여 학습해야한다. 즉, pre-trained model의 파라미터를 로드하고, 현재 모델에 덮어 씌워주는 과정이다. 먼저, 아래와 같이 pre-trained model과 현재 model을 각각 로드해준다. pretrained_dict = torch.load(PATH) # pretrained 모델 static dict 로드 model_dict = model.state_dict() # 현재 모델 state dict 로드 그 다음 아래와 같이 pre-trained model의 값들 중에서 현재 model의 state dict과 일치하..

Paper : https://arxiv.org/pdf/2206.04040.pdf GitHub : https://github.com/apple/ml-mobileone

개인의 성장을 끌어 올릴 수 있는 방법 중 하나는 바로 컴포트 존(Comfort Zone)을 벗어나는 것이다. 컴포트 존은 심리적으로 안정감을 느끼는 영역을 의미하며, 익숙한 업무를 계속해서 진행하거나, 새로운 자극이 없는 환경이나 상황을 의미한다. 이러한 컴포트 존은 좋다 및 나쁘다를 판가름 할 척도는 절대 아니며, 개인의 가치관과 밀접한 연관이 있다. 성장과 발전을 추구하지 않는 사람에게 컴포트 존은 예측 불가능한 스트레스를 줄여주고, 안전한 상태에 머물러 안정감을 느낄 수 있는 수단이 될 수 있기 때문에 오히려 컴포트 존을 만들어가는 것을 추천 드린다. 하지만 이 컴포트 존은 성장과는 거리가 멀다. 성장과 발전을 추구하는 사람들에게 컴포트 존은 독이 될 수 있기 때문에 과감하게 이를 벗어나는 노력이..

GitHub : https://github.com/protossw512/AdaptiveWingLoss Paper : https://arxiv.org/abs/1904.07399 이번에 리뷰할 논문은 ICCV 2019에 소개되었던 Adaptive Wing Loss 논문입니다. Introduction 본 논문에서는 face alignment (= facial landmark localization)문제에 대해 heatmap regression 방법을 사용할 때 효과적인 Adaptive Wing loss를 소개합니다. 이 loss function은 foreground pixel과 background pixel의 불균형 문제를 해결하기 위해 등장하였고, 여기서 Adaptive가 의미하는 바는 background ..