Azure Zest

본문은 책 'pytorch로 시작하는 딥러닝'을 보면서 공부하고 정리한 글입니다. 1. Variable Variable 클래스는 data, grad, creator로 구성되어있다. 이 때, grad는 여러 파라미터에 대한 오차 함수의 변화율을 나타낸다. 말 그대로 기울기라고 생각하면 되는데, 예를들어 grad가 2라면 이 변수값은 2배의 크기로 변할 것이다. 변수의 grad를 확인하고 싶다면, X(변수명).grad 로 확인할 수 있다. 또한 X.grad_fn은 변수를 생성한 함수를 참조한다. 2. 오차 함수 보통 딥러닝의 경우, MSE나 Cross-Entropy 와 같은 오차 함수를 사용하게 된다. 이 오차 함수는 모델의 예측값이 실제 값과 얼마나 가까운지 평가해줄 수 있는 지표이다. 따라서 딥러닝을 어..

본문은 책 ‘pytorch로 시작하는 딥러닝’을 보면서 공부하고 정리한 글입니다. 1. 스칼라(0차원 텐서) - 1개 요소를 갖는 텐서 - pytorch에서는 FloatTensor 또는 LongTensor 타입을 사용해 표현함. 2. 벡터(1차원 텐서) - 요소의 배열 : 스칼라의 확장 3. 행렬(2차원 텐서) - 구조화된 데이터는 주로 테이블이나 행렬의 형태 - torch 모듈은 numpy 배열을 torch의 Tensor로 변환하는 from_numpy() 함수를 제공 4. 텐서(3차원) - 여러 행렬을 결합한 형태 - 주로 이미지 같은 데이터를 표현할 때 사용 - 이미지의 크기가 250,250,3 이라면 높이, 폭, 채널을 나타냄 따라서 데이터의 구조는 어릴때, 점, 선, 면에 대해 배웠던 것처럼 같은..

본문은 책 'Pytorch로 시작하는 딥러닝'을 보면서 공부하고 정리한 글입니다. 1. 인공지능 인공지능의 시작은 "기계가 생각할 수 있는가?"라는 논란에서 시작됐다. 기계로 인간이 풀기 어려운 문제를 풀도록 학습을 시키는 것인데 사람에게는 쉽고 직관적인 일들을 컴퓨터가 할 수 있도록 프로그래밍하는 것은 상당히 어려운 문제다. 따라서, 초기의 인공지능 머신은 논리적이고 잘 정의된 문제를 풀기위한 Hard code(하드코드)로 구현됐고, 이런 종류의 인공지능은 Symbolic AI라고 한다. 하지만, 이 Symbolic AI로 이미지 인식, 객체 검출, 언어 번역 등과 같은 복잡한 문제를 해결할 수 없기 때문에 머신러닝, 딥러닝 등이 제시되고 있다. 2. 머신러닝 머신러닝은 인공지능의 하위 분야로 기존에 ..

주피터 노트북으로 딥러닝 코드를 돌리다가 다음과 같은 오류가 발생하였다. InvalidArgumentError: device CUDA:4 not supported by XLA service while setting up XLA_GPU_JIT device number 4 처음 보는 오류였고, 이 오류로 인해 코드가 다 돌아가지 않았다. 혹시 GPU 메모리가 부족해서 나타난 오류인가 싶어 다음과 같이 사용하는 GPU를 바꾸어 주었더니 오류가 해결되었다. import os os.environ['CUDA_VISIBLE_DEVICES'] = '5' GPU 할당하는 것은 다음 링크에서 더 자세히 알아볼 수 있다. 윈도우에서 GPU 할당하기 [ Python ] 윈도우에서 GPU 할당하기 Linux에서 GPU 할당하기..

각 언어마다 주석을 나타내는 문자들이 있다. python 에서는 #을 앞에 적고 그 뒤에 문자를 적으면 주석이 되는데, 이를 단축키로도 바꿀 수 있다. 바로 Ctrl + / 이다. 하지만, 가끔 주피터 노트북에서 Ctrl + /를 했을 때 주석처리가 되지 않고 / 이게 그대로 쳐지는 경우가 있다. 이럴 때는 어떻게 해결해야 할까? 0. 파이썬(Python) 주석 단축키가 안 될때 구글에 검색을 해보니 보통 pycharm이나 vscode 등에서 안 될 때의 경우가 나타나 있었다. Ctrl + Shift 를 눌러서 입력키를 Microsoft 입력기로 바꿔주면 해결이 가능하다고 한다. 그래서 주피터 노트북에서도 마찬가지로 적용해보니 별 다른 바뀐 점 없이 바로 해결되었다. 따라서, 주석 단축키 작동이 안될 때..

구글의 코랩을 사용하다가, 갑자기 google 400 error가 뜨는 경우가 있다. 주피터 노트북 파일을 열고자 코랩을 열 때 보통 아래의 사진처럼 저 부분을 누를 것이다. 보통과 같으면 아주 잘 들어가질 텐데 갑자기 다음과 같은 오류가 뜨는 것을 발견했다. 400. That's an error. 이라는 문구와 That's all we know...라는 말만 써있어서 굉장히 당황했다. 검색을 해보니 보통 timeline을 잘못 지정해서 오류가 뜰 때 400 오류가 나는 것 같았다. 혹시나 타임라인 오류로 400 error가 뜬 사람들은 맨 아래의 방법을 참고하도록 하자!! 다시 본론으로 돌아와서, 코랩에서 저런 오류가 뜬 것은 아무리 검색해도 나오지 않았다... 그러다가 우연히 아래의 코랩을 눌러보자 ..

사진을 원하는 모양을 잡아 그 부분만 segmentation 해보자. 사진을 이진화시킨 후, 경계면을 다듬어 마스크를 만들어 낸 후, 이를 사진에 다시 적용시켜 그 부위를 오려내고자 한다. 0. 사용할 라이브러리 import import cv2 import numpy as np import matplotlib.pyplot as plt from skimage.segmentation import clear_border import skimage.morphology as mp import scipy.ndimage.morphology as sm 1. 사진 이진화 하기 다음과 같은 사과 사진이 있다고 하자. 마스크를 만들기 위해 이진화를 시킬텐데, opencv를 이용할 것이다. 이 때, binary를 적용시키기 ..

Anaconda 가상환경과 관련된 명령어들 Anaconda 가상 환경 만들기 $ conda create -n $ conda create -n python=3.6 # 파이썬 3.6버전으로 만들고 싶을때 먼저 가상환경을 만들고 싶다면, 다음 명령어를 시행한다. 이 때, 아나콘다와 다른 버전의 파이썬을 설치하고 싶다면 아래 명령어처럼 해당 버전에 맞게 명령어를 추가한다. Anaconda 가상 환경 리스트보기 $ conda info --env 깔려있는 가상환경들의 리스트들을 확인할 수 있다. Anaconda 가상 환경 제거 $ conda remove -n --all 진행하다가 한 번 y 를 눌러준다. Anaconda 가상환경 활성화/ 비활성화 $ conda activate # 활성화 $ conda deactiv..

Anaconda 환경 변수 가끔씩 anaconda를 깔았는데도 불구하고 python을 쓸 수 없다든지, 이미 설치했던 module을 불러올 수 없는 경우가 있다. 또한, 가상환경을 만들었을 때도 마찬가지이다. 이 때, Anaconda가 환경 변수에 path 등록이 되어있는지를 살펴 보아야한다. 윈도우 검색에 환경 변수를 검색하면 다음과 같이 시스템 환경 변수 편집으로 들어갈 수 있다. 그럼 다음과 같이 시스템 속성이 나오고 여기서 환경 변수를 클릭한다. 그 다음 아래와 같이 PATH를 클릭한다. 그럼 다음과 같이 이미 적혀져 있는 것들이 있다. 이 중 아래 빨간 박스 안의 Anaconda PATH를 추가한다. Anaconda를 설치했을 때, 경로를 바꾸지 않았다면 아래와 완전히 똑같이 쓰면 되고, 경로를..

Pytorch 설치하기 ( with. 아나콘다) 먼저 pytorch 홈페이지에 들어가서 Get Started 버튼을 누른다. (여기로 바로 들어가도 된다.) 그럼 위의 사진과 같은 화면이 뜨는데 이 때, CUDA 버전을 다음 명령어로 확인해야 한다. (이미 알고 있으면 안 해도 된다.) > nvcc --version 또한, python 버전을 모르는 경우 python 버전도 확인한다. > python --version 다시 위의 사진에서 맞는 python 버전과 CUDA 버전을 선택하면 아래의 Run this Command가 바뀌고, 이를 Anaconda prompt에 돌린다. (혹시 9.0이라면 9.2를 선택해서 cudatoolkit=9.2 부분을 9.0으로 바꾼다.) -> 이전의 CUDA 버전 PyT..