728x90

해당 실습은 iflearn "CNN_Fundamental" 강의에서 사용되었습니다. 실습 진행 순서대로 list-up 했습니다 

 

 

1. Gradient Descent_01

Gradient_Descent.ipynb
0.02MB

Gradient_Desecent 내용은 딥러닝 수학 강의에서 배웠으므로 따로 이론을 정리하지 않았습니다.

 

 

2. Fashion_MNIST_02

fashion-mnist-practice-02.ipynb
0.04MB

2021.10.04 - [Data Diary] - 2021-10-04,05(딥러닝 CNN_기본 특징 설명)

 

2021-10-04(딥러닝 CNN_기본 특징 설명)

CNN은 이미지를의 일 부분을 자동으로 뽑아서 featrue로 사용한다. 반면 머신러닝은 일일히 feature를 뽑기 때문에 효율이 떨어진다. 또한 가변적으로 feature들이 변하기 때문에 성능에도 큰 영향을

ghdrldud329.tistory.com

 

 

 

3. Conv_practice_03

conv-practice-03.ipynb
0.02MB

 

2021.10.04 - [Data Diary] - 2021-10-04,05(딥러닝 CNN_기본 특징 설명)

 

2021-10-04(딥러닝 CNN_기본 특징 설명)

CNN은 이미지를의 일 부분을 자동으로 뽑아서 featrue로 사용한다. 반면 머신러닝은 일일히 feature를 뽑기 때문에 효율이 떨어진다. 또한 가변적으로 feature들이 변하기 때문에 성능에도 큰 영향을

ghdrldud329.tistory.com

 

 

4. CIFAR10_Custom1

cifar10-custom1.ipynb
0.04MB

 

2021.10.08 - [Data Diary] - 2021-10-07(CNN_배치정규화 &따릉이 12)

 

2021-10-07(CNN_배치정규화 &따릉이 12)

1. 따릉이 수요예측 데이터 분리 시, random_state에 따른 학습 성능 차이가 크다는걸 확인하게 되었습니다. 왜그런지 추측을 해본다면 현재 갖고 있는 train data만 1300건 정도 밖에 없습니다. 게다가 F

ghdrldud329.tistory.com

 

 

5. CIFAR10_Custom_Aug1 

cifar10-custom-cb-filters-decay.ipynb
0.03MB
cifar10-custom-aug1.ipynb
0.02MB

2021.10.08 - [Data Diary] - 2021-10-08(CNN_Global AG, 가중치 규제, Augmentation)

 

2021-10-08(CNN_Global AG, 가중치 규제, Augmentation)

Global Average 각 채널 별로 평균값을 추출한다 . 이는 파라미터를 효과적으로 줄이는 효과가 있어서 오버핏팅을 상쇄시킬수 있다. 단, 채널 수가 적은 상태에서 적용하면 오히려 Flatten보다 성능 저

ghdrldud329.tistory.com

 

 

6. CIFAR10_pretrained & CatnDog_Gen(ImageDataGenerator)

cifar10-pretrained.ipynb
0.02MB
catndog-gen.ipynb
0.04MB

2021.10.12 - [Data Diary] - 202-10-12(CNN_Pretained & Keras Generator의 이해)

 

202-10-12(CNN_Pretained & Keras Generator의 이해)

오늘 학습내용은 거의 실습 위주로 진행해서 이론내용은 많지 않았습니다! 특히 사전 학습은 같은 경우는 앞서 프로젝트에서 한번 해봤기 때문에 나름 익숙했습니다. *ImageDataGenerator ImageDataGenera

ghdrldud329.tistory.com

 

 

7. Albumentations_Aug

albumentations-aug.ipynb
0.03MB

2021.10.15 - [Data Diary] - 2021-10-15(CNN_Augmentation)

 

2021-10-15(CNN_Augmentation)

오늘은 Augmentation의 전용패키지에 대해 필기한 내용을 업로드 해보았습니다 :) keras ImageDataGenerator에는 제약적인 부분이 있다. Augmentation을 무조건 많이 한다고해서 성능이 좋아지지 않는다. 각 이

ghdrldud329.tistory.com

 

728x90

'실습 note' 카테고리의 다른 글

딥러닝 수학 실습과제 모음 9~12  (0) 2021.09.04
딥러닝 수학 1~7 실습과제 모음  (0) 2021.08.13
Mask-RCNN 실습모음(2021-07-29~02)  (0) 2021.08.02
EfficientDet 실습모음(2021-07-27~28)  (0) 2021.07.27
YOLO 실습 모음  (0) 2021.07.21
728x90

실습파일이 없는 줄 알았는데 있더라구요 그래서 쌓여 있는 실습을 진행했습니다.

각 구분선에 따라 이론내용과 실습을 분리했습니다. 순서는 맨 위부터 아래 순입니다.

 

 

2021.08.19 - [Data 일기] - 2021-08-19(딥러닝수학9_Loss function & Gradient Descent)

 

2021-08-19(딥러닝수학9_Loss function & Gradient Descent)

1.Single-variate Linear Regression (y= ax+b) -딥러닝 수학 1~8까지는 y =theta*x에 대한 내용을 학습했다. 지금부터는 y= theta1*x+theta0에 대한 학습을 진행한다. 오늘은 그 중에 Loss function의 변화와 그..

ghdrldud329.tistory.com

PA_04_06 Learning with Cost.ipynb
2.70MB
PA_04_01 Gradient Descent Method.ipynb
0.17MB


 

 

2021.08.24 - [Data 일기] - 2021-08-24(딥러닝 수학10_Cost function & Feature Scaling)

 

2021-08-24(딥러닝 수학10_Cost function & Feature Scaling)

저번 시간까지 배웠던 V 형태의 loss function들을 어떻게 합쳐서 cost function으로 만드는지와 합쳐졌을때 이상적인 학습이 어떤 모습을 보일지 자세히 알아본다. 1. Cost function 두개 data sample에 대해서

ghdrldud329.tistory.com

PA_04_02 Loss Function with Contour Plot.ipynb
1.50MB
PA_04_03 GDM with Contour Plots.ipynb
2.94MB
PA_04_04 Learning with Dataset.ipynb
7.66MB
PA_04_05 Contour Plot of Cost Function.ipynb
6.05MB
PA_04_06 Learning with Cost.ipynb
2.70MB


 

 

2021.08.26 - [Data 일기] - 2021-08-26(딥러닝 수학 11_mini batch & for one sample-Theory)

 

2021-08-26(딥러닝 수학 11_mini batch & for one sample-Theory)

1. mini batch 3번의 iteration 학습 과정을 보려 봤을 때, 각 cost function에 projection 방향으로 다가가고 있다. interation 돌릴 때마다 cost function이 달라진다는 점 헷갈리지 말아야 한다. 계속 intera..

ghdrldud329.tistory.com

PA_04_07 SVLR for One Sample.ipynb
0.66MB


 

 

2021.09.08 - [Data 일기] - 2021-09-08(딥러닝 수학 12_ for Several Samples Theory & Implementation)

 

2021-09-08(딥러닝 수학 12_ for Several Samples Theory & Implementation)

저번 포스팅까지는 하나의 데이터에 대한 학습과정을 공부했습니다. 이번 시간부터는 미니배치 즉, 여러개 샘플을 가지고 학습을 시키는 방법에 대해 공부한 내용을 포스팅하겠습니다. 2가지로

ghdrldud329.tistory.com

PA_04_08 SVLR for Several Samples.ipynb
0.27MB

 

728x90

'실습 note' 카테고리의 다른 글

CNN 실습 모음  (0) 2021.10.05
딥러닝 수학 1~7 실습과제 모음  (0) 2021.08.13
Mask-RCNN 실습모음(2021-07-29~02)  (0) 2021.08.02
EfficientDet 실습모음(2021-07-27~28)  (0) 2021.07.27
YOLO 실습 모음  (0) 2021.07.21
728x90

이론 과제만 있는 줄 알았는데 실습 과제가 있었더라구요 

그래서 그 동안 못했던 실습 과제를 이틀 동안 쭉 해봤습니다. 

간단해 보이면서도 헷갈린 부분이 여럿 있어서 시간이 오래 걸렸습니다

아래 올린 실습들은 제가 직접 빈칸 채운 파일들을 올렸습니다. 

위부터 순서대로 입니다.

 

실습에 필요한 모듈

basic_nodes.py
0.00MB
LR_dataset_generator.py
0.00MB

 

실습 과제파일

PA_03_01 Gradient Descent Method.ipynb
0.21MB
PA_03_02 Loss Functions.ipynb
0.37MB
PA_03_03 Learning Rate.ipynb
0.44MB
PA_03_04 Basic Building Nodes.ipynb
0.01MB
PA_03_05 Dataset Generator.ipynb
0.08MB
PA_03_06 SVLR without Bias Term for One Sample.ipynb
0.42MB
PA_03_07 Learning with Various Normal Distributions.ipynb
0.49MB
PA_03_08 SVLR without Bias Term for Several Samples.ipynb
0.06MB

 

 

728x90

'실습 note' 카테고리의 다른 글

CNN 실습 모음  (0) 2021.10.05
딥러닝 수학 실습과제 모음 9~12  (0) 2021.09.04
Mask-RCNN 실습모음(2021-07-29~02)  (0) 2021.08.02
EfficientDet 실습모음(2021-07-27~28)  (0) 2021.07.27
YOLO 실습 모음  (0) 2021.07.21
728x90

이론 내용은 아래 링크에서 확인할수 있습니다.

2021.07.30 - [기록 note] - 2021-07-29(Mask-RCNN_Segmentation)

 

2021-07-29(Mask-RCNN_Segmentation)

Semantic Segmentation이란 masking 정보를 씌어서 전체 이미지에서 문맥적으로 의미 있는 형태를 찾아내는 개념이다. Instance Segmentation과 차이점이 있다면 동일한 객체에 대한 표현방식에 있다. Semantic은

ghdrldud329.tistory.com

 

1.coco_annotations_mask_visuals(COCO_Dataset를 활용한 mask Segmentation)

https://colab.research.google.com/drive/1F38YmGcq6LSA43ZaWlce2MD2apMgkwmy?hl=ko#scrollTo=d-kbDnVO-q9H 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

2. opencv_mask_rcnn_inference(임의의 image inference)

https://colab.research.google.com/drive/1I572kbhtwBnTX8OJFg8O03NX2ZjaVjFI?hl=ko#scrollTo=Yqvx54DBQe_7 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

3.mm_mask_rcnn_inference(MMDetection)

https://colab.research.google.com/drive/1Y0sHPz102OLLVeNIXXgGvwryjGE4rmrd?hl=ko#scrollTo=TRvHk7ZOQb3D 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

 

4.mm_mask_rcnn_train_pascal_voc(Pascal VOC Datasets -> COCO Datasets 변경후 trained)

https://colab.research.google.com/drive/1UrgKD_lY6eAD5jVEGelEg78MmhX_ZMNR?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

5.mm_mask_rcnn_train_balloon(balloon Datasets -> COCO Datasets 변경후 trained)

https://colab.research.google.com/drive/1AZ8vWDp_H1ik3q7am-d_rYhaxR-uILOu?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

6. nucleus dataset로 실습(마찬가지로 COCO format으로 변경후 trained)

https://colab.research.google.com/drive/1xPmaW9u34OlGT6ZXF0OSvgUnchyUgQQs?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

728x90

'실습 note' 카테고리의 다른 글

딥러닝 수학 실습과제 모음 9~12  (0) 2021.09.04
딥러닝 수학 1~7 실습과제 모음  (0) 2021.08.13
EfficientDet 실습모음(2021-07-27~28)  (0) 2021.07.27
YOLO 실습 모음  (0) 2021.07.21
Single Shot Detector 실습  (0) 2021.07.19
728x90

EfficientDet 강의 실습내용입니다. EfficientDet에 대한 내용은 아래 링크에서 확인하실수 있습니다.

2021.07.26 - [기록 note] - 2021-07-26(RetinaNet & EfficientDet)

 

2021-07-26(RetinaNet & EfficientDet)

RetinaNet RetinaNet이 나오기 전까지는 one-stage 는 수행 시간이 짧아서 좋지만 수행능려은 faster RCNN보다 떨어진다는 인식이 있었다. one-stage의 고질병이던 작은 객체검출 문제를 개선시킴 검출해야할

ghdrldud329.tistory.com

 

1.tf_hub_efficientdet_inference

https://colab.research.google.com/drive/15JRMlrmacnB7Ut9IeKfCxxWSccYosqWA#scrollTo=eMLvmKvEv6Ni

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

2.automl_efficientdet_inference

https://colab.research.google.com/drive/1zWBNc11Sz8OtCB5oJw1kQMf8OKae9JL0#scrollTo=Zgk_Em3veI4g

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

 

 

3.efficientdet_train_pascal_voc

https://colab.research.google.com/drive/1IC30WLeI-Oy1sMGRZv_ttrWcvSEPu5dD#scrollTo=EdTAZz-mx2kk

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

 

 

 

4.efficientdet_train_esri_challenge

GPU 부족으로 인해 모델 학습 중간에 에러가 발생했습니다 참고바랍니다.

https://colab.research.google.com/drive/1VSkAbrTPgs9Ark_KS2ZayPkWKAiyLCva#scrollTo=ITrzk70QXwOT

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

728x90
728x90

 

1. OpenCV DNN으로 YOLO Inference 실습

https://colab.research.google.com/drive/1PSbzcrL_KZl_rj4axCiBPvGBwLIZtwe8?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

2. Ultralytics Yolo v3_inference 실습

https://colab.research.google.com/drive/15E7yB1BZXXKu5Zewg6vOSkjEPenVAQ7f?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

3. Ultralytics yolov3_train_coco 실습

https://colab.research.google.com/drive/19wJejoTCr3MnmgH4HyEO2yi-i4T7PnHg?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

train: ../coco128/images/train2017 #이미지가 들어 있는곳

그렇다면 annotation 파일은 어딨을까? 코드 내부적으로 위 images를 lables 로 변경하여 자동으로 ann파일을 갖고 온다. ../coco128/labels/train2017 따라서 dataset 만들때 위 구조처럼 만들어 놔야 한다.

원본이미지의 너비가 640이라면 center x좌표는 320이며 Normalization화 하여 0.5, 예측BB의 너비가 200 이라면 200/640,

나머지 값 center Y, height도 원본이미지의 높이에 따라 Normalization한다.

 

 

 

 

 

728x90
728x90

1. opencv_ssd_inference

https://colab.research.google.com/drive/1fp85xfnSxWI59OTrr2-H6Bzl5mMoFGxs#scrollTo=CP7z351geMkc

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

2.tf_hub_ssd_inference

https://colab.research.google.com/drive/1uuVs02RvLbqnCG6L6rtGqSUHgRykcEYA

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

728x90
728x90

첫번째 실습

mm_faster_rcnn_inference.ipynb
4.46MB

https://colab.research.google.com/drive/1clatjT7ESQ1bYeb8ZvcPgRwRByFk5-BS?hl=ko#scrollTo=1U7BfoXrpR4l 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

두번째 실습

mm_faster_rcnn_train_kitti.ipynb
1.57MB

https://colab.research.google.com/drive/1IoxdMQrxg0CcKlESV0WufXB9eF1KbLRV?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

세번째 실습

mm_faster_rcnn_train_oxford_pet.ipynb
0.87MB

https://colab.research.google.com/drive/1lhnAiR6w7niNOq41yX-aTPV-Y-OZyuNf?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

 

네번째 실습

mm_faster_rcnn_train_coco_bccd.ipynb
2.83MB

https://colab.research.google.com/drive/16laGgem48gq1ig7Mnbsz3h3Hz1xnGBjN?hl=ko 

 

Google Colaboratory Notebook

Run, share, and edit Python notebooks

colab.research.google.com

 

728x90

+ Recent posts