개발자로 살아남자 개발자로 살아남자

1. 환경 windows10 tensorflow 1.14.0 2. TFRecord 변환 1)download_and_convert_flowers.py복사 및 수정 download_and_convert_flowers.py복사하여 download_and_convert_catdog.py라고 이름 수정 그 파일에 들어가 하기 이미지에 수정이라고 된 부분은 내가 데이터에 알맞게 수정 2)download_and_convert_data.py파일 수정 from datasets import download_and_convert_catdog elif FLAGS.dataset_name == 'catdog': download_and_convert_catdog.run(FLAGS.dataset_dir) 코드 실행 python do..

Git으로 100M 이상 파일 올렸을때 history 삭제하는법 (리포지토리에 있는 히스토리를 모두 삭제) 1.커밋 히스토리삭제 $ rm -rf .git 2.초기화 $ git init 3.모든 파일 추가 $ git add . 4.커밋 $ git commit -m "commit" 5.서버경로 추가 $ git remote add origin [레포지토리 URL] 6.강제로 push $ git push -u --force origin master 참고 원격 저장소, 로컬 저장소에 있는 파일삭제 $ git rm [File Name] 원격 저장소에 있는 파일만 삭제 $ git rm --cached [File Name]

환경 -Windows10 -Tensorflow 1.15 1. 이미지 다운로드 후 TFRecord 포멧 파일로 만들기 1)download_and_convert_data.py 실행 python download_and_convert_data.py --dataset_name=flowers --dataset_dir=/tmp/flowers 2)Troubleshoot No module named 'contextlib2' ->pip install contextlib2 No module named 'PIL' ->pip install pillow 2.트레이닝 하기 1)Train_image_classifier.py실행(이 파일에서 파라미터들을 수정할수 있음) python train_image_classifier.py --t..

1.file-setting 2. Project Interpreter 들어간후 왼쪽 설정클릭후 show all 클릭 3. 오른쪽 + 클릭 4. 오른쪽 ... 클릭 5. 가상환경 내에 python.exe 찾아서 (가상환경 파일 내에 Scripts파일안에 있음) 추가

Image Classification / Object detection Image classification : 한 장의 이미지가 어떤 클래스 라벨에 속하는지 알수있음 Object detection : 한 장의 이미지에 어떤 클래스들이 있는지 알수 있음 하기 이미지를 Input Image로 넣으면? Image classification -> 하트 풍선의 이미지 면적이 가장 넓기 때문에 풍선이 인식됨 Object detection -> 이미지에 있는 사물들을 인식하기 때문에 하트 풍선과 구름이 인식됨

Goal Mobilenet v1과 v2를 백본으로 놓은 SSD를 실행해보면서의 차이점 인지 Progress 하기 URL에서 Pretrained된 가중치로 V1, V2 코드 실행후 정확도및 차이점 비교 tensorflow/models SSD-Mobilenet v1 실행 결과 SSD-Mobilenet v2 실행결과 Mobile V2는 V1에 비해서 사람 다리만 보고도 사람인지 인지 가능 MobileNet V1, V2 특징 비교 MobileNet V1 차원을 줄이는 과정에서 relu사용 bottleneck 이후 채널을 축소 MobileNet V2 bottleneck 이후 채널을 확장→메모리 측면에서 효율적 차원을 줄이는 과정에서 Linear transformation사용→정보손실이 작음

Goal YOLO V3코드에 웹캠 연결하여 얼굴 인식하기 Process 하기 사이트에 접속하여 yolov3 weight를 다운 YOLO: Real-Time Object Detection YOLO: Real-Time Object Detection YOLO: Real-Time Object Detection You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Pascal Titan X it processes images at 30 FPS and has a mAP of 57.9% on COCO test-dev. Comparison to Other Detectors YOLOv3 is extremel pjre..

1. 파일올리기 01)저장소를 새로만듬 mkdir helloworld cd helloworld git init 02)로컬 인덱스에 추가( "hello.html"파일을 로컬 저장소에 추가) git add hello.html git 03)변경 결과를 로컬 저장소에 커밋 (git commit)( 저장소에 기록하는 작업) git commit -m "new file" 04)파일이 추가되어 있는지 확인합니다. git status 05)원격 저장소의 정보를 추가 git remote add origin https://github.com/nana7777777/AI 05)로컬 저장소를 밀어 원격 저장소에 반영 (git push) 로컬 저장소의 변경 사항을 GitHub에있는 원격 저장소에 반영하기 위해 다음 명령을 실행합니..