KimbgAI

tqdm은 반복문에서 현재 어느 정도까지 진행이 되었는지 시각적으로 나타낼 수 있어 인내심을 길러주는데 아주 유용하다 특히나, pytorch에서 dataloader를 활용할때 자주 사용되는데, 여러 옵션을 넣어주면 더 편하게 볼 수 있어 좋다. from tqdm.notebook import tqdm import time dataloader = range(100) epoch_iterator = tqdm(iters, desc="Training (X / X Steps) (loss=X.X)", dynamic_ncols=True) global_step, max_iterations, loss = 0, 100, 3 for cnt, i in enumerate(epoch_iterator): time.sleep(0.1) ..

논문들을 보고있노라면 FLOPs라는 개념이 등장하는데, 대충 연산량? 모델의 크기? 등 추상적으로 알고 있던 내용이라 정확한 개념을 알아보고자 정리를 해보았다.찾아보니 연산량에 대한 다양한 개념을 접할 수 있었다. FLOPs? FLOPS? MAC? 등.. 정리해보자 FLOPs(FLoating point OPerations)는 부동소수점 연산을 의미합니다. FLOPs에서의 연산은 사칙연산을 포함하여 root, log, exponential 등의 연산도 해당되며, 각각을 1회 연산으로 계산합니다. 반면, FLOPS는 FLoating point Operations Per Second의 약자로, 1초당 얼마나 많은 연산을 처리할 수 있느냐하는 하드웨어의 퍼포먼스 측면을 본다는 점에서 차이가 있습니다. MAC(M..

V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation 논문은 아래 링크 참조 https://arxiv.org/abs/1606.04797 VNet은 UNet에서 영감을 받아 만들어진 architecture로써 구조가 상당히 비슷하다. CT나 MRI같은 image sequences data들은 2d보다 3d 그 자체로 분석했을때 유의미한 결과를 얻을 수 있는 부분이 많다. 왜냐하면, 어떤 한 slice 이미지가 직전, 직후 slice 이미지와의 연관성이 매우 높기 때문이다. 3d convolution은 이러한 장점을 가지고 연산할 수 있다. (연산량이 매우 많은 것은 단점..) 그림에서 볼수 있듯이, UNet과..

### 이미지 관련 용어 ### 이는 색상모드를 의미함. RGB는 Red, Green, Blue로 이미지의 색상의 3개의 채널로 나타냄. 빛의 혼합방식과 동일. 이는 액정과 같은 디스플레이 매체에 적합함. 이미지를 불러들이면 해당 채널의 value가 높을수록 해당 채널의 색이 많다는 뜻임. 예를 들면, 아래 이미지에서 바다를 봤을때, 파란색 채널은 바다와 하늘이 밝게 보이는 반면 빨간색 채널은 어둡게 나타남. 반면, CMYK(Cyan, Magenta, Yellow, blacK)은 4채널로 물감의 혼합방식을 나타내며 섞일수록 어두워짐. 그래서 간판이나 인쇄물과 같은 출력물 작업에 적합함. 한편, 대표적인 해상도를 나타내는 척도로 dpi(dots per inch)가 있음. 1인치당 몇개의 도트(점)이 들어가..

본 내용은 Brain MRI를 다양한 atlas로 segmentation을 해주는 tool에 대한 사용 설명을 담고 있습니다. CAT12를 사용하여 autometic하게 segmentation을 한 결과를 보시면.. 구성은 아래와 같습니다. A. CAT12이란? B. CAT12을 사용하기 위한 matlab 설치 C. Brainstorm 설치 (with SPM, CAT) D. CAT12 사용방법 E. 결과 확인 및 활용 A. CAT12이란? - CAT는 Computational Anatomy Toolbox의 약자로서, Brain image를 VBM (Voxel-based morphometry), DBM (Deformation-based morphometry), SBM (Surface-based morpho..

글의 목적은 Github를 관리하고 활용하기 위해, 1. Repository 생성 2. Local repository와 Remote repository 연결 및 변경사항 저장 에 필요한 내용을 간단히 정리하였습니다. 1. Remote repository 생성 - (필수) Repository name 설정하기! - Description 생략 가능 - 공개하고 싶으면 Pubilc, 아니면 Private - Add a README file은 해당 repository에 대한 설명을 md(MarkDown) 형식으로 상세하게 담을 수 있는 파일이며, 나중에 수정할 수 있습니다. 2. Local repository와 Remote repository 연결 및 변경사항 저장 1) 원하는 경로 위에서 remote repo..

1. Github에 로그인을 하고 해당 레파지토리에 접속 2. Settings 클릭 3. General -> Danger Zone의 Delete this repository 클릭 4. 삭제 확인을 위한 repository 주소 입력 후 활성화된 버튼 클릭 끝!

U-Net에 대한 간략한 내용이 궁금하신 분은 지난 포스팅을 참고해주시면 되겠습니다~ https://kimbg.tistory.com/16?category=578326 [ML] U-Net(2015.05); Convolutional Networks for Biomedical Image Segmentation 요약 및 코드 구현 U-Net(2015.05); Convolutional Networks for Biomedical Image Segmentation 원문: https://arxiv.org/abs/1505.04597 본 리뷰는 Semantic Segmentation의 기술 동향을 살펴보며, 핵심 아이디어와 .. kimbg.tistory.com 1. 핵심 아이디어 구현 1) Using mirror padd..

FCN 모델에 관련된 대략적인 내용은 아래 링크를 통해 확인하시면 되겠습니다. :) https://kimbg.tistory.com/15?category=578326 [ML] FCN(2014.11); Fully Convolutional Networks for Semantic Segmentation 요약 및 코드 구현 FCN(2014.11); Fully Convolutional Networks for Semantic Segmentation 원문: https://arxiv.org/abs/1411.4038 본 리뷰는 Semantic Segmentation의 기술 동향을 살펴보며, 핵심 아이디어와 Contributions을.. kimbg.tistory.com 본 내용의 구성은 다음과 같다. 1. FCN 구현 방법..

오픈 데이터셋 중 CIFAR10(32x32)보다 고해상도의 간단한 Classification task를 위한 데이터셋을 찾다가 스탠포드에서 제공해주는 STL10이라는 데이터셋을 찾을 수 있었다. Data overview - train set: 5,000, test set: 8,000, unlabelled: 100,000 - 10 classes: airplane, bird, car, cat, deer, dog, horse, monkey, ship, truck - Images are 96x96 pixels, color - 500 training images per class (10 pre-defined folds) 데이터에 관한 더 자세한 내용은 아래 링크를 통해서 확인할 수 있다. https://ai.st..