반갑습니다! 이번 글에서는 Tensorflow 2.x 버전을 기반으로 하는 Object Detection API를 Anaconda 가상 환경에 설치하고 확인하는 방법에 대해서 진행해보려고 합니다. 지금부터 설치하는 환경은 Windows10에서 각자의 Local 환경에서도 진행할 수 있도록 Anaconda를 이용하여 진행하도록 하겠습니다. Anaconda에 대해서 처음이시거나 가상환경을 만드는 방법에 대해서 잘 모르시는 분이시라면 아래 포스팅에서 Keras를 제외한 부분을 참조하시고 이번 글을 진행하시는 것을 권장드립니다. Anaconda(아나콘다) 에서 Keras(케라스) 설치하기 반갑습니다. 이번 글에서는 아나콘다를 사용하여 케라스까지 설치해보는 작업을 진행하도록 하겠습니다. 아나콘다는 일반적으로 정말..
반갑습니다. 이번 글에서는 Keras를 사용하여 모델을 구성해보고, 파일로 저장해보고, 평가(분류)까지 해보도록 하겠습니다. Keras 자체가 파이썬 기반의 딥러닝 라이브러리이므로, 상당히 직관적인 코딩을 할 수 있다는 점이 매력적으로 다가오는 것 같습니다. 저의 경우 Tensorflow를 백엔드로 사용하고 있습니다. 지금부터는 코드를 하나하나 짚어가면서 진행해보도록 하겠습니다. 1. 데이터 셋(이미지) 가져오기 먼저 학습을 시키고 검증에 사용할 데이터로는 CIFAR-10 데이터셋을 사용하겠습니다. CIFAR-10 dataset의 경우, 32x32 사이즈의 6만 개의 이미지로 구성됩니다. 10개의 클래스로 분류되어 있으며, 각 클래스당 6000장의 이미지로 구성이 되어 있으며 실제로 훈련에 사용되는 것은..
반갑습니다. 이번글에서는 Jetson Jetson 보드에 YOLO(v3)를 설치하고 관련 데모영상을 Onboard camera로 실행하는 방법까지 가장 쉽게 설명해보도록 하겠습니다. YOLO 설치 YOLO는 Object Detection 모델로, CNN 기반의 실시간 객체인식을 장점으로 나타내고 있습니다. 참조 : https://pjreddie.com/darknet/yolo/ 먼저 Jetson TX2를 켜서 터미널에 다음과 같이 입력합니다. git clone https://github.com/pjreddie/darknet cd darknet 다음으로는 YOLO 자체에서 제공하는 Weights 파일이 존재하는데, YOLO는 두가지의 버전을 제공하고 있습니다. Weights는 YOLO로 사전 훈련된 가중치를..
반갑습니다. 이번 글에서는 아나콘다를 사용하여 케라스까지 설치해보는 작업을 진행하도록 하겠습니다. 아나콘다는 일반적으로 정말 다양한 라이브러리 패키지들을 모아놓은 소프트웨어인데, Python을 포함해 연산이나 데이터 사이언스 작업에 주로 사용되는 Pandas, Numpy, Scipy, Scikit-learn, Matplotlib과 같은 다양한 라이브러리가 약 150개가 넘게 존재하며 명령어 한 줄로 손쉽게 추가하여 사용할 수 있습니다. conda는 이러한 패키지들을 관리해주는 관리자 역할을 하는 프로그램이라 볼 수 있습니다. 이러한 유용성 때문에 머신러닝, 딥러닝 관련 분야에서 Python을 사용하는 경우 주로 사용하는 프로그램이라고 해도 무방할 것 같습니다. 제가 아나콘다를 사용하면서 느낀 강점은 아나..
IT, AI, 취미 공유
