반응형 AI4 PyTorch 모델을 ONNX으로 변환 ONNX 런타임은 ONNX 모델을 위한 엔진으로서 성능에 초점을 맞추고 있고 여러 다양한 플랫폼과 하드웨어(윈도우, 리눅스, 맥을 비롯한 플랫폼 뿐만 아니라 CPU, GPU 등의 하드웨어)에서 효율적인 추론을 가능하게 합니다. 이 튜토리얼을 진행하기 위해서는 ONNX 와 ONNX Runtime 설치가 필요합니다. ONNX와 ONNX 런타임의 바이너리 빌드를 pip install onnx onnxruntime 를 통해 받을 수 있습니다. Load the PyTorch model import torch import torch.onnx import onnx path_to_pytorch_model = 'path_to_pytorch_model.pth' model = torch.load(path_to_pytorch.. 2023. 3. 31. [논문 정리] SSD(Single Shot Multibox Detector) Introduction 현재 개체 탐지 시스템은 경계 상자의 가설을 세우고, 각 상자에 대한 픽셀 또는 특징을 다시 샘플링하고, 고품질 분류기를 적용하는 파이프라인을 사용하는 한계가 있습니다. 이러한 접근 방식은 정확하지만 계산 집약적이어서 실시간 애플리케이션에 비해 속도가 너무 느립니다. 본 논문에서는 경계 상자 제안(bounding box proposals)과 후속 픽셀(subsequent pixel)또는 기능 재샘플링 단계(feature resampling stages)를 제거하여 높은 정확도를 유지하면서 탐지 속도를 크게 향상시키는 새로운 심층 네트워크 기반 객체 탐지기인 SSD를 제안합니다. 제안된 프레임워크는 VOC2007 테스트에서 mAP 74.3%로 59 FPS의 탐지 속도를 달성하여 Fa.. 2023. 2. 23. 쉽게 알아보는 머신러닝(ML) 머신러닝 개략도 전처리 주어진 원본 데이터가 모델을 학습할 때 최적의 성능을 내기에 적합한 겨우는 드물다. 따라서 데이터 전처리를 해주어야 하는데 이는 모든 머신러닝에서 매우 중요한 단계이다. 전처리에서는 특성 추출 및 스케일 조정, 차원 축소, 샘플링 등의 기법이 이용된다. 또한 새로운 데이터에도 잘 일반화되려면 데이터 세트를 훈련 데이터셋(training set), 검증 데이터셋(validation set), 테스트 데이터셋(test set)으로 나눠야 한다. 훈련 데이터셋은 모델을 훈련시키는 데 사용하고 검증 데이터셋은 하이퍼 파라미터(초매개변수)를 튜닝, 테스트 데이터셋은 모델의 성능을 최종 평가하는 데 사용한다. 학습 가장 좋은 모델(알고리즘)을 선택하기 위해서 성능을 측정할 지표( ex. 정확.. 2023. 1. 1. 인공지능_딥러닝, 머신러닝 간단하게 총정리 A.I.(Artificial Intelligence)은 사람이 수행하는 지능적 작업을 자동화하기 위한 연구 활동이다. A.I.는 머신 러닝과 딥러닝을 포함하는 종합적인 분야다. M.L.(Machine Learning)에서는 컴퓨터가 수행하는 통계적 학습이다. 컴퓨터가 data feature를 통해 표본 data 속에 존재하는 일반화 가능한 패턴을 찾아 스스로 학습하는 과정이다. 다시 말하면 명시적으로 프로그램되지 않고도 학습할 수 있도록 하는 방법이다. D.L.(Deep Learning)은 M.L.의 특정한 하나의 분야로 인공신경망(neural network)에 기반하여 많은 데이터를 스스로 학습해 좋은 성능을 이끌어낸다. 머신러닝과 딥러닝의 차이는 머신러닝은 특징을 추출할 때 사람이 많이 관여해야 하지.. 2023. 1. 1. 이전 1 다음 반응형
