본문 바로가기

computer vision16

sementic segmentation에서 multi class일때 cross entropy class개수가 3개일때 최종적으로 224x224의 이미지를 총 4장뽑아야한다. 왜냐하면 [객체1, 객체2, 객체3, 배경] 이렇게 분류를 해야하기때문에 분류를 할때 -이미지의 픽셀을 가져와서 softmax에 넣는다. 1.2, 1.4, 2.3, 0.1일때의 softmax식이다. 분류문제는 cross entropy를 쓰게되는데 cross entropy는 실제값 곱하기 -로그함수의 확률값들의 합이다. softmax 가 [0.1, 0.1, 0.8, 0.05] 일때 인덱스는[0, 1, 2, 3]이다. 최종적으로[0 0 1 0]으로 분류하게된다. 크로스 엔트로피는 실제값 곱하기 -로그함수의 확률값 이므로 계산을하면 1(실제값은 항상 1이다.) 곱하기 -로그함수에서0.8인부분이 된다. 맞게 예상을했으므로 크로스엔트.. 2023. 4. 2.
pytorch 저장한 모델을 불러오고 testset 확인하기 1.학습된 모델의 가중치를 불러와서 weights변수에 넣어줍니다. import torch state_dict = torch.load('resnet50.pth') best_epoch = state_dict['epoch'] best_test_acc = state_dict['test_acc'] weights = state_dict['net'] print(f'최종적으로 {best_epoch}번째 에포크에서 test셋 기준으로 {best_test_acc}를 달성하였습니다.')#변수로 바꾸기기 2. 학습한 가중치를 모델에 불러와줍니다.(finetuning) import torch device = 'cuda' if torch.cuda.is_available() else 'cpu' # device 배정 torch.m.. 2023. 3. 17.
pytorch 모델을 불러와서 학습시키고 모델 저장 **from dataset 이부분은 https://dohun-0714.tistory.com/27 pytorch 데이터셋 클래스 https://github.com/dohun-mat/dna_study_semina/blob/main/%EA%B3%BC%EC%A0%9C/week4_%EA%B3%BC%EC%A0%9C_2.ipynb GitHub - dohun-mat/dna_study_semina Contribute to dohun-mat/dna_study_semina development by creating an account on GitHub. github.com 코드는 깃 dohun-0714.tistory.com 이글의 함수를 py파일로 바꾼건데 데이터셋클래스를 사용하실때는 이부분의 코드를 복붙해서 쓰시면됩니다!.. 2023. 3. 17.
pytorch) Augmentation이 적용된 이미지를 시각화하기 이전의 augmentation 포스팅을 참고 하시면 더 이해가잘될거같습니다 https://dohun-0714.tistory.com/28 pytorch 데이터셋 augmentation Normalize: 픽셀 값에 대해 (X - mean)/std를 진행하며, 이때 통계 값은 ImageNet 데이터 셋의 RGB 통계값을 이용할 것이다. 텐서화: 파이토치는 tensor자료 형을 이용하므로 totensor를 해준다. augmentation: trainse dohun-0714.tistory.com 이미지가 augmentation이되고 tensor로 변경해줘서 이미지변형이되었다. augmentation된 이미지를 시각화할수있도록 시각화라이브러리가 요구하는 numpy타입의 올바른 이미지를 만들어서 시각화해보자. 1... 2023. 3. 17.

티스토리툴바