원래 기본 nohup 명령어는 nohup.out 이라는 이름으로 로그 파일이 생성되는데, 로그 파일 이름을 새로이 지정하고 싶다면 아래와 같이 설정한다. nohup ./test.sh & > log.txt 참고자료 : https://jhproject.tistory.com/137 Linux 백그라운드로 프로세스 실행하기 nohup 실행문 & eg. nohup ./dev_appserver.py --host 192.168.10.99 app.yaml & 이럴경우 nohup.out 이라는 로그 파일이 생성되는데 파일 이름을 다른걸로 바꾸고 싶을 때는 nohup 실행문 > 파일명 & eg. nohup ... jhproject.tistory.com

Windows 환경에서 git push 를 사용할 때 >git push -u origin master Counting objects: 28, done. Delta compression using up to 8 threads. Compressing objects: 100% (27/27), done. error: RPC failed; HTTP 403 curl 22 The requested URL returned error: 403 Forbidden fatal: The remote end hung up unexpectedly Writing objects: 100% (28/28), 426.36 MiB | 11.58 MiB/s, done. Total 28 (delta 2), reused 0 (delta 0) fa..

객체 탐지(Object Detection) 분야에서 객체 인스턴스(Instance)의 스케일(Scale) 변화는 주요 challenge 중 하나이다. 일반적으로 이 문제를 해결하기 위한 두가지 방법은 이미지 피라미드(Image Pyramid)에서 객체를 탐지하는 것과 입력에서 추출된 Feature Pyramid 에서 객체를 탐지하는 것이다. 전자의 방법은 메모리와 계산 복잡성을 증가시키기 때문에 효율성이 떨어지며, 후자의 방법은 트레이닝 및 테스트 단계에서 활용할 수 있고, 전자의 방법보다는 메모리와 계산 비용이 적게 든다. 또한 이 Feature Pyramid 는 End-to-end 방식이기 때문에 쉽게 통합이 가능하다는 장점을 가진다. M2Det(Multi-level and Multi-scale De..

1. GPU에서 모델을 저장하고 CPU에서 불러오기 2. GPU에서 저장하고 GPU에서 불러오기 3. CPU에서 모델을 저장하고 GPU에서 불러오기 1. GPU에서 모델을 저장하고 CPU에서 불러오기 GPU 모델 저장 torch.save(model.state_dict(), PATH) 저장한 모델을 CPU에서 로드 device = torch.device('cpu') model = TheModelClass(*args, **kwargs) model.load_state_dict(torch.load(PATH, map_location=device)) 위와 같이 GPU에서 학습한 모델을 CPU에서 불러올 때는 torch.load() 함수의 map_location 인자에 'cpu' 값을 전달함 이 경우에는 Tensor..

import os.path file = 'test.txt' if os.path.isfile(file): print("Yes. it is a file") esif os.path.isdir(file): print("Yes. it is a directory") esif os.path.exists(file): print("Something exist") else : print("Nothing") 참고자료 : https://wikidocs.net/14304 불러오는 중입니다...

An ablation study typically refers to removing some “feature” of the model or algorithm, and seeing how that affects performance. ablation study 는 모델이나 알고리즘의 "feature" 들을 제거하면서 그게 성능에 어떤 영향을 줄지 연구하는 것이다. 예를들어 object detection 분야의 Fast-RCNN에서는 ablation study 를 다음과 같이 실험하고 있었다. 최근 딥러닝 분야의 논문을 작성할 때 필수적으로 넣어야할 부분인듯하다. 참고자료 1 : https://www.quora.com/In-the-context-of-deep-learning-what-is-an-ablatio..

필요한 패키지 목록 만들기 (현재 환경에 깔려있는 패키지들을 모두 출력해줌) $ pip freeze > requirements.txt 필요한 패키지 설치하기 $ pip install -r requirements.txt

이번에 ICCV 2019 에서 발표된 Gaussian YOLOv3 이다. 이 논문은 자율주행 환경을 기반으로 연구되었으며, 자율 주행 차량에서 객체 탐지 알고리즘의 사용이 점차 중요해지고 있으므로 안전한 자율주행을 위해서는 "높은 정확도"와 "빠른 추론 속도"의 객체 탐지가 필수적이라고 한다. 또한 자율 주행중에 False Localization으로 인한 오탐(FP, False Positive)은 치명적인 사고로 이어질 수 있다. 따라서 Mis-localization 에 대처할 수 있는 객체 검출 알고리즘이 필요하다고 한다. 본 논문에서는 Gaussian Modeling 방법을 이용하여 one-stage 검출기로 대표적인 YOLOv3 의 경계 상자(Bounding Box)를 모델링하고 손실 함수(Loss..

이 논문에서는 실시간 객체 추적(Object Tracking) 및 Semi-supervised 기반의 객체 세그먼트를 모두 수행하는 방법을 설명한다. SiamMask 라고 불리는 이 방법은 바이너리 세그먼트 작업으로 Loss 를 Augmentation 시켜 객체 추적을 위해 Full-convolutional Siamese 접근법을 적용하여 학습 과정을 개선시킨다. 학습된 SiamMask는 단일 경계 상자(a single bounding box) 초기값에만 의존을 받으며, 초당 35 프레임의 회전이 가능한 경계 상자를 생성한다. 단순하며, 추적이 가능하고, 세그먼트 까지 가능함에도 불구하고 빠른속도를 보장한다. 네트워크 구성은 위와 같은데, 4-th stage 의 최종 컨볼루션 레이어 까지 백본으로 res..

error mounting /dev/sdb1 sudo ntfsfix /dev/sdb1 로 해결

환경구축 [설치되었다고 가정] Windows 10 CUDA 10.0 / cuDNN 7.5.0 Visual Studio 2015 Microsoft Visual C++ 2015 Redistributable (x86 and x64) 14.0.24215 Microsoft Build Tools 2015 Update 3 [포스팅에서 설치할 것] TensorFlow 1.14 MSYS2 Bazel 0.25.0 Python3.6 ( TensorFlow 빌드 종속성 때문에 설치하는 것) 1. Python 다운로드 TensorFlow 를 소스 빌드 하기 위해서는 Python Dependency 가 필요하기 때문에 Python 을 설치한다. Python 버전은 3.5.x 또는 3.6.x 버전 64비트 이면 상관 없다. htt..

3일 전에 나온 따끈 따끈한 논문을 소개한다. 3D Reconstruction / Modeling / Representation 분야와 밀접한 연관이 있다. Deep Structured Implicit Functions 라는 논문인데, 제안하는 DSIF(Deep Structural Implicit Functions) 알고리즘을 통해 표면을 정확하게 재구성하고, 효율적으로 계산하며, 다양한 모양의 범주를 일반화하고, Depth 카메라로부터 추론을 가능하게 하는 3차원 모양을 나타내고 학습할 수 있다고 한다. SOTA 인 OccNet 보다 10.3 정도 높은 성능을 제공하면서도 일관성 있게 각 입력에 대해 구조화된 3D 양상을 생성해낸다. 3D Shape Representation 분야는 표면의 재구성, 분..