클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

이어서 파인 튜닝 모델의 다음 과정을 실습해보겠다. 빠르면 30분에서 1시간이면 이 내용을 학습 완료할 수 있을 것 같다. 바로 학습을 진행해보겠다. 파인 튜닝 모델로 콩잎 데이터 분석하기 두번째 실습 1. 학습 및 검증 확인하기 이미지 데이터를 다룰 때 배치(batch) 단위로 나누어 처리하는 방식이 중요한데, 그 과정을 돕는 함수(collate_fn)이다. 배치(batch)는 여러 데이터를 묶어서 한 번에 처리하는 단위이다. 예를 들어, 학습할 공용 데이터가 1000장이 있다면, 한 번에 모두 처리하기에는 메모리나 자원의 한계가 있을 수 있다. 그래서 데이터를 적당한 크기로 나누어 처리하는데, 이때 사용되는 단위가 배치이다.배치 단위로 데이터를 묶어서 학습하면 메모리와 계산 자원을 효율적으로 사용할 ..

오늘도 새벽 4시 반에 일어나 하루를 시작해보았다. 수학 공부까지 하고 났더니 벌써 6시 반이 다 되어서 정말 많이 아쉽다. 하지만 앞으로 AI 분야와 게임 개발의 전문가가 될 것이므로 수학공부는 필수가 되었다. 수학 공부를 하며 나의 수학 실력이 얼마나 많이 부족한지 느끼고 있다. 오늘 새벽에는 2시간 반 정도 허깅페이스 공부를 하며 다 마치고 교회 가기 전까지 남은 1시간 정도는 플라스크 공부를 해볼 생각이다. 오늘의 학습 목표는 플라스크 공부를 다 마치고 엘리스로 머신러닝 1주차 학습을 마치는 것이다. 그럼 바로 학습을 시작해보자. 허깅페이스 파인 튜닝 모델 사용해보기 1. 모델 파인 튜닝이란 무엇인가? 모델 파인 튜닝(Fine-tuning)은 이미 학습된 사전 학습 모델을 기반으로 새로운 작업에 ..

이번 실습은 객체 탐지를 부분이다. 이 부분은 수업 영상이 없어서 혼자서 자료를 찾아보며 공부하는 중이다.    객체 탐지 기능 가져오기객체를 탐지하는 것이 무엇인지 잘 모르겠어서 자료를 한번 찾아보았다. 객체 탐지란 무엇인가?객체 탐지(Object Detection)는 이미지나 비디오 내에서 다양한 물체(객체)를 찾고, 그 물체가 무엇인지 분류한 뒤, 그 물체가 이미지에서 어디에 위치하고 있는지를 정확하게 예측하는 기술이다. 즉, 이미지에서 특정한 물체가 어디에 있는지 위치를 표시해주고, 그 물체가 무엇인지 알려주는 작업을 의미한다. 객체 탐지의 사용 사례자율주행 자동차도로 위의 차량, 보행자, 신호등 같은 객체를 탐지하여 안전한 운행을 돕는 기술보안 및 감시 시스템CCTV 영상에서 침입자를 탐지하거나..

이어서 허깅페이스로 모델을 가져와서 한글을 번역하는 실습 등을 진행해보려고 한다. 지금 인터넷 환경이 조금 불안정해서 코랩을 사용하는데 불편함이 있지만 그래도 이런 부분을 감수하며 공부를 진행해보려고 한다.   허깅페이스 사용하기 두번째 실습 1. 번역하는 모델 가져와서 사용하기먼저 허깅페이스에 들어가서 translate 메뉴를 선택하고 거기서 한글을 영어로 번역하는 모델을 가져온다. ko-en이라고 검색하면 된다. 이 모델을 사용해보려고 한다.    이 모델을 사용하게 된다. 그리고 구글 코랩에 와서 조금 전처럼 모델 이름을 작성해준다.     처음에는 이 코드를 실행할 때 오류가 떴는데, 그 이유는 파이프라인으로 임포트를 하지 않았기 때문이다. 매번 프로젝트를 다시 실행하게 되면 맨 처음 코드는 반드..

주피터 노트북 대신 코랩이라는 인터넷 환경에서 사용해보려고 한다. 딥러닝은 GPU 자원이 좋아야 빠르고 정확하게 돌아간다. 코랩은 클라우드 상에 띄어져있는 주피터 노트북을 사용해 훨씬 더 높은 자원을 사용할 수 있도록 한다. 용량이 많아지면 스토리지나 좋은 GPU 자원을 사용하기 위해 추가금을 내야 한다. 또 인터넷이 안 되면 사용할 수 없는 단점도 있다. 하지만 단점보다는 장점이 많은 서비스이므로 한번 사용해보기로 하자. 1. 구글 코랩 사용하기 코랩은 노트북 환경에서 한번 사용한 적이 있어서 그런지 그때 사용했던 기록이 모두 남아있었다. 웹은 보통 리눅스 기반으로 되어 있는데, 코랩의 장점은 모델링할 때 환경구축하는 시간을 단축시켜준다는 것이다. 구글 드라이브에 들어가면 코랩 노트북이라는 폴더가 있는..