무 블로그 무 블로그

weight 파일 다운로드 YOLO : https://pjreddie.com/darknet/yolo/ yolo 홈페이지에서 자신의 사양에 맞는 weight 파일을 다운로드 받습니다. (YOLOv3-tiny > YOLOv3-320 > YOLOv3-416 > YOLOv3-608 = YOLOv3-spp)왼 쪽에 있을수록 속도가 빠르고 요구사양이 낮지만 정확도가 떨어집니다. darknet-master\build\darknet\x64다운로드 받은 weight 파일을 위 경로에 weight 폴더를 만든 후 옮깁니다. C:\opencv\build\x64\vc14\bin위 경로에 있는 opencv_world320.dll 파일을 darknet.exe가 있는 경로에 복사합니다. C:\opencv\build\bin위 경로에..

CUDA, CUDNN 설치 CUDA : https://developer.nvidia.com/cuda-toolkit CUDNN : https://developer.nvidia.com/rdp/form/cudnn-download-survey CUDA, CUDNN을 다운로드 받아 설치합니다. 설치시 보통 환경변수가 자동으로 등록되지만 그렇지 않은 경우 수동으로 등록합니다. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 (CUDA 경로에 따라 달라질 수 있음) 설치한 경로를 환경변수에 등록합니다. CUDNN의 경우 압축 파일의 내용물들을 CUDA 경로에 붙여넣기 합니다. 필자의 경우 CUDA 8.0, CUDNN 5 버전을 사용하였습니다. nvcc –versio..

생물학적 뉴런에서 인공 뉴런까지 퍼셉트론 퍼셉트론은 TLU라는 인공 뉴런을 기반으로 한다. 입력과 출력이 숫자이고, 각각의 입력 연결은 가중치와 연관되어 있다. TLU는 입력의 가중치 합을 계산한 후 계단 함수를 적용하여 결과를 출력한다. TLU 퍼셉트론은 층이 하나뿐인 TLU로 구성된다. 각 뉴런은 모든 입력 뉴런에 입력되어 있다. 퍼셉트론은 연결된 뉴런이 동일한 출력을 낼 때마다 연결 가중치가 증가하는 방식으로 학습된다. 잘못된 출력을 만드는 연결은 강화 시키지 않는다. 퍼셉트론 학습 규칙 다층 퍼셉트론을 사용하여 일반 퍼셉트론의 일부 제약을 줄일 수 있다. 다층 퍼셉트론과 역전파 다층 퍼셉트론은 입력층, 은닉층, 출력층으로 구성된다. 출력층을 제외한 모든 층은 편향 뉴런을 포함하며 다음 층과 완전히..

ubuntu version : 16.04 ubuntu~$ sudo apt-get updateubuntu~$ sudo apt-get install --no-install-recommends ubuntu-desktopubuntu~$ sudo apt-get install tightvncserver gnome-panel gnome-settings-daemon metacity nautilus gnome-terminalubuntu~$ vncserver :1ubuntu~$ vi~/.vnc/xstartup#!/bin/sh export XKL_XMODMAP_DISABLE=1unset SESSION_MANAGERunset DBUS_SESSION_BUS_ADDRESS [ -x /etc/vnc/xstartup ] && exe..

차원 축소 차원의 저주 : 많은 특성은 훈련을 느리게 하고 좋은 솔루션을 찾기 어렵게 만든다. 차원 축소를 통해 고차원의 훈련 세트를 하나의 그래프로 그릴 수 있다. 이같은 과정에서 군집 같은 시각적인 패턴을 감지할 수 있다. 차원의 저주 고차원의 데이터셋에서는 대부분의 훈련 데이터가 서로 멀리 떨어져 있다. 훈련 세트의 차원이 클수록 과대적합 위험이 커진다. 차원의 저주를 해결하는 해결책 하나는 훈련 샘플의 밀도가 충분히 높아질 때까지 훈련 세트의 크기를 키우는 것이다. 일정 밀도에 도달하기 위해 필요한 훈련 샘플 수는 차원 수가 커짐에 따라 기하급수적으로 증가한다. 차원 축소를 위한 접근 방법 투영 대부분의 실전 문제는 훈련 샘플이 모든 차원에 걸쳐 균일하게 퍼져 있지 않고, 고차원 공간 안의 저 차..