728x90 반응형 분류 전체보기100 Deepfake Tutorial - 자신만의 딥페이크를 만드는 기본 방법 먼저, 자신의 컴퓨터 환경에 맞는 GPU, CUDA, TENSORFLOW 등등을 맞춰줍니다!!! 아래 링크 참조: https://davidho.tistory.com/entry/GPU-%ED%99%98%EA%B2%BD-%EC%84%B8%ED%8C%85GPU%EC%99%80-%ED%8C%8C%EC%9D%B4%ED%86%A0%EC%B9%98-with-Window [Deepfake Tutorial - FACESWAP] 1. 설치 이제, 모든 준비는 끝났습니다. 이제 본격적으로 시작하도록 하겠습니다. https://faceswap.dev/download/ 를 통해서 faceswap 파일을 다운받아줍니다. 설치 과정은 기본적으로 할 줄 아시니, 이 포스팅을 보고 있을거라 생각해 생략하겠습니다. faceswap의 파.. 2023. 4. 26. [GPU 환경 세팅]GPU와 파이토치 with Window [교훈] gpu 툴킷과 파이토치 버전을 필수적으로 확인하라~!! 기본적으로 리눅스와 친한 친구들이기 때문에 window와 호환이 잘되는 친구들을 적절히 찾아서 사용해야 한다. gpu툴킷과 호환되는 파이토치의 버전이 존재한다. 텐서2.0버전 이상은 기본으로 gpu를 활용한다. gpu의 성능에 따라 배치값을 조절 or yolov5폴더에 있는 util폴더 → datasets.py에서 nw를 고정해줘야함 2021년 11월 16일 참고 사이트: [Windows 10] Pytorch GPU 사용을 위한 CUDA 환경 만들기 Pytorch 사용을 위한 Cuda 환경구축에 대한 글입니다. Anaconda3를 이미 설치한 상태에서 설치를 진행했습니다. [GPU 환경 세팅] 1. 그래픽 드라이버 설치 우선 자신이 가지고 .. 2023. 4. 26. 좋은 개발자에게 필요한 기술 리더십 좋은 개발자에게 필요한 기술 리더십 관리자만 리더십이 필요한 게 아니라 좋은 개발자가 되려면 반드시 '기술 리더십'이 필요합니다. 관련 글 내용 정리한 후 몇 가지 덧붙여서 올립니다. 1️⃣ 많은 개발자는 대인 관계 스킬이 필요하지 않은 기술 업무 보는 것을 선호한다. 하지만 리더가 되려면 의사소통, 협상 스킬 그리고 다른 이해 관계자들의 관점을 잘 이해할 줄 아는 스킬을 꼭 갖추어야 한다. 이 말인즉슨 유닛 테스트가 통과하는지 아닌지와 같은 기술 문제가 아닌 비지니스 문제를 해결하는 데 많은 생각을 하게 된다. 여러 이해 관계자의 관점을 이해함으로써 제품을 개발하고 비지니스에 실제 영향력을 미치는 데 필요한 비전을 키운다. 2️⃣ 개발자는 기술 실력을 향상하는데 많은 시간을 투자한다. 프로그래밍 언어를.. 2023. 4. 25. [전세 사기 컷하는 법]갈수록 발전하는 전세 사기!!!!! 거르는 법, 컷하는 법, 전세 계약 전 체크리스트 [전세 사기 컷하는 법] 전세 사기 막는 꿀팁: 등기부등본만 확인하면 된다? No!! 등기부등본은 마음만 먹으면 깨끗하게 만들 수 있어요ㅠㅠㅠ 그래서 등기부등본이 깨끗한 집도 전세사기를 당할 수 있습니다. 전세 계약 전 확인할 것들!!! - 주변 매매가와 전세가 확인하기 - 임대인의 국세, 지방세 완납 증명서 : 임대인의 세금 체납 여부 확인 - 근저당권, 임차권등기명령 등의 선순위채권 유무 - 확정일자 부여현황, 전입세대 열람내역서 확인 : 해당 건물에 거주중인 임차인들의 총 보증금을 체크 [전세 사기 컷하는 법] 전세 사기 막는 꿀팁: 보증보험 가입하면 걱정이 없을까? No!! 보증보험 가입이 된다고 했는데 막상 계약 후 거절될 가능성이 존재하기 때문에 계약 전에 가입이 완료될 수 있으면 좋고 가입이.. 2023. 4. 24. [OpenCV 오류] THRESH_OTSU mode: > 'src_type == CV_8UC1 || src_type == CV_16UC1' import cv2 img = cv2.imread('./image1.png') _, thresh = cv2.threshold(img, 0, 255.0, cv2.THRESH_BINARY + cv2.THRESH_OTSU) 보통 이미지의 특정 포인트를 탐지하거나 Segmentation Task를 다루다보면 threshold를 기준으로 Binary 이미지로 바꾸어주는 threshold 함수를 자주 접할 수 있을 것입니다. 보통 Binary 이미지를 만들 때, 특정 threshold (임계값)를 사람이 지정해 주어야하는데, 오츠 이진화 방법은 threshold를 지정하지 않고 모든 경우의 수 중에서 적절한 바이너리한 두 부류의 명암 분포가 균일할 때를 선택해주는 방법으로 자주 사용됩니다 (방법에 대한 더 자세한 .. 2023. 4. 5. [논문 읽기]EfficientNet, Rethinking Model Scaling for Convolutional Neural Networks 모델의 정확도를 높일 때, 일반적으로 (1) 모델의 깊이, (2) 너비, (3) 입력 이미지의 크기 를 조절합니다. 기존에는 이 세 가지를 수동으로 조절하였기 때문에, 최적의 성능과 효율을 얻지 못했습니다. EfficientNet은 3가지를 효율적으로 조절할 수 있는 compound scaling 방법을 제안합니다. 깊이, 너비, 입력 이미지 크기가 일정한 관계가 있다는 것을 실험적으로 찾아내고, 이 관계를 수식으로 만듭니다. Compound scaling 방법으로 NAS(neural architecture search) 구조를 수정하여 SOTA를 달성합니다. ResNet이나 MobileNet등 CNN 기반 구조에도 효과가 있다고 하네요. Model Scaling 일반적으로 모델을 Scaling하는 방법.. 2023. 4. 5. CNN의 parameter 개수와 tensor 사이즈 계산하기 CNN의 parameter 개수와 tensor 사이즈 계산하기 이번 글에서는 네트워크의 텐서 사이즈와 파라미터의 갯수를 계산하는 공식에 대해 다루려 한다. 아래의 AlexNet을 이용하여 예시를 든다. Alexnet의 구조 AlexNet의 구조 Input: 2272273 크기의 컬러 이미지. 논문의 224*224 사이즈는 오타임 Conv-1: 11*11 크기의 커널 96개, stride=4, padding=0 MaxPool-1: stride 2, 3*3 max pooling layer Conv-2: 5*5 크기의 커널 256개, stride=1, padding=2 MaxPool-2: stride 2, 3*3 max pooling layer Conv-3: 3*3 크기의 커널 384개, stride=1, p.. 2023. 3. 30. NFNet 논문 번역(추후에 리뷰) High-Performance Large-Scale Image RecognitionWithout Normalization(2021, Deepmind) 2021년 2월의 Deepmind 에서 발표한 CNN 모델로, ImageNet에서 EfficientNet을 넘는 SOTA 성능을 달성하였다. 이는 기존의 Batch-Normalization 기법을 사용하지 않고 고성능을 달성한 Normalizer-Free Net 에 관한 내용으로, 논문의 내용을 살피고 요약해보자. Abstract ‘배치 정규화(Batch-Normalization)’ 기법은 대부분의 이미지 분류 모델에서의 핵심 요소이지만 배치 크기(batch-size)에 대한 의존성, 예제(examples) 간의 상호작용으로 인해 완전한 성능을 보장하는 기.. 2023. 3. 28. 파이썬 GIL 극복을 위한 방법 파이썬에서는 Global Interpreter Lock(GIL)이라는 메커니즘으로 인해, 동시에 하나의 스레드만 파이썬 코드를 실행할 수 있습니다. 이는 멀티코어 CPU를 사용하는 경우에도, 파이썬의 병렬 처리 성능을 제한하는 요소가 됩니다. GIL을 극복하기 위해서는 다음과 같은 방법들이 있습니다. 멀티 프로세싱: 파이썬에서는 멀티 프로세싱 모듈을 통해 병렬 처리를 구현할 수 있습니다. 각 프로세스는 독립적인 GIL을 가지기 때문에, 여러 개의 프로세스를 이용하여 병렬 처리를 구현할 수 있습니다. 다만, 프로세스 간의 통신이 필요한 경우에는 추가적인 구현이 필요합니다. C extension 모듈: 파이썬의 C extension 모듈을 이용하여 GIL을 우회할 수 있습니다. C extension 모듈은 .. 2023. 3. 20. The Forward-Forward Algorithm: Some Preliminary Investigations 논문 리뷰 Forward-Forward Backpropagation을 완전히 대체하는 알고리즘을 소개한다는 의미보다는 딥러닝의 새로운 연구 방향을 제시함. [Abstract] 논문의 목표: 뉴럴 네트워크의 새로운 학습 방법과 작은 문제(작은 데이터?)에 대해 잘 작동된 입증 결과를 소개 핵심 내용: The Forward-Forward algorithm(Two Forward passes)으로 forward와 backward로 이어지는 첫번째(순방향) 학습과 두번째(역전파(backpropagation))학습을 대체합니다. - 각각 Positive / Negative pass라고 부르며, Positive pass는 Real data에 최적화되는 것(high goodness)을 목표로 하고, Negative pass는 F.. 2023. 3. 9. 이전 1 2 3 4 5 6 ··· 10 다음 728x90 반응형
