다른 모델 강의와 다르게 최종 Evaluation 과정이 나와있지 않아 질문드립니다. 테스트데이터도 TFRecord 형태로 변환한 뒤 tf2의 eval.py 혹은 efficientdet_keras_test.py 모듈을 사용하면 되는 것인지, AutoML EfficientDet 모델의 Evaluation 과정을 어떻게 진행하면 되는지 알고싶습니다.    

안녕하세요, 강의 SGD를 사용한 MF알고리즘 - 6:40 의 우측 상단 정규화텀 부분에서 행렬 제곱(?) 수식의 의미를 잘 모르겠습니다.  해당 행렬의 모든 원소의 제곱합인가요..?

회사 내 보안 이슈 있는 이미지를 사용하려 하는데 서버형은 접속이 안되 사용이 불가합니다. 혹시 CVAT를 설치해서 외부 서버 없이 사용할 수 있는 방안이 있을까요?   감사합니다.

해당 코드는 강의 3.6 사용자의 평가 경향을 고려한 CF 의 조각인데요, RMSE() 실행하는 과정에서 타입 에러가 납니다. 1. 함수에 들어온 y_true 와 y_pred 를 각각 출력해 보니 y_pred 의 값이 모두 None 인 것으로 확인됩니다. 2. RMSE 를 호출하는 score() function 에서의 y_pred 를 출력 해 보니 다음과 같은 결과가 나오는데, y_pred 에 값을 할당하는 부분을 어떻게 수정해야 할지, 혹은 어떤 부분을 더 디버깅 해봐야 할지 궁금합니다.  

머신러닝쪽을 공부하고있는 학생입니다. 머신러닝쪽으로는 입상경력도 있고, 파이썬 문법에는 큰 어려움은 없습니다. 최근들어 자연어처리, 이미지처리쪽으로도 관심이 많이 생겨서 딥러닝을 공부도 하고 대회 입상도 준비하려는데 딥러닝에 경험이 많이 없는지라.. 모델뿐만아니라 전처리 방법 등을 어떻게 공부해야되고 독학으로 하려면 어떤 순서로 공부를 진행해야할지도 감이 안잡혀서 질문올렸습니다.. + 복학이 6개월 정도 남아서 6개월 정도만 잡고 독학으로는 힘들겠죠?

계속 이해해보려고 구글링했는데 뭔가 속시원게 해답이 안나와서 한번만 더 질문하겠습니다. ㅜㅜ 지난강의에서 피처맵의 그리드포인트 마다 앵커 9개를 매핑한다고 하셨는데, 이번 강의에서 RPN 네트워크는 피처맵을 이진 분류 하기 까지 그리드포인트 매핑과정이 없어서 뭔가 연결이 잘 안되는 것 같습니다. 다른 문제는 5:50초에 40x50x9 는 그리드포인트마다 9개의 앵커박스를 나타내는 것이고, 앵커박스마다 FG인지 BG인지 판단한다고 하셨는데, 제 머리로는 1x1 컨볼루션을 하고 9output을 뽑는다는게 잘 이해가 안되는 것 같습니다. 1x1 컨볼루션은 차원의 축소를 하는 역할을 하는것인데 9가지 모양의 그리드를 어떻게 1x1 컨볼루션 40x50피처맵 포인트마다 연결을 시키는 것인지 잘 이해가 되지 않습니다...ㅜㅜ

안녕하세요,  데이터 읽기 과정에서 문제가 발생해서 질문 드립니다. 거친코딩님께서 말씀하신대로 해당 디렉토리에 파일을 저장한 후, 강의의 코드를 모두 그대로 적었지만 빈 Dataframe이 불러지는 것 같습니다. 해당 문제를 어떻게 해결할 수있을까요? 감사합니다.

선생님 덕분에 쉽고 빠르게 머신러닝에 대해서 이해할 수 있었고, 재미있게 공부중인 학생입니다. 금일 강의에서는 모델 구성에 대해서 배웠는데, 궁금한점이 조금 있습니다. 이 하이퍼 파라미터라는게 단순히 커널의 크기, 풀링의 크기등 뿐만 아니라 레이어도 하이퍼 파라미터가 될 수 있는건가요? 그리고 오늘 말씀하신 부분에서는 하이퍼파라미터는 여기저기 시도해보고 만들어봐야한다고 하시는데, 다른 최적화 방법은 따로 없는건가요? 기초적인 질문이라, 부끄럽습니다만, 소중한 답변 달아주시면 또 다음강의 기쁜 마음으로 열심히 들을 수 있을 것 같습니다. 감사합니다.

안녕하세요 ! 타이타닉 실습3에서 Sex 를 삭제하는 줄 알고 냅다  train =train.drop(['Sex'], axis =1) test =test.drop(['Sex'], axis =1)   코드로 삭제해버렸습니다. 혹시나 mapping 코드를 작성했더니 역시나 삭제된 데이터이니 오류가 뜨더라구요   잘못삭제한 데이터를 다시 복구시킬 수 있는 방법이 있을까요 ?   0  

안녕하세요. 강의 4분 40초경부터 설명이 시작되는,  Ground Truth로만 학습한다는 것이 잘 이해가 되지 않아 질문 올립니다. IOU를 구하기 위해서는 G.T값 이외의 비교 대상이 필요하다 생각하는데,  class를 G.T로만 정한다는 것이 이해가 잘 안되네요.. 답변해주신다면 정말 감사하겠습니다!

안녕하세요 교수님 강의를 열심히 듣고 있는 학생입니다. 다른게 아니고 input image size를 왜 (224,224)를 쓰는지 궁금합니다. VGG도 그렇고 GoogleNet도 그렇고 왜 224를 쓰는 건가요? VGG논문을 다 읽어봤지만 그거에 대한 명확한 답을 찾지 못했습니다. 다양한 이미지를 crop하기 위해서 224로 설정했다는 답변을 본적은 있지만 왜 굳이 224인지는 이해하지 못했습니다. 혹시 말씀해주실 수 있을까요?

안녕하세요? 항상 좋은 강의 감사드립니다. CNN 을 여러가지 소스로 공부하고 있었지만 중간중간 막히는 부분이 많았었는데, 본 강의를 들으며 하나씩 뚫리는 기분이 듭니다. ImageDataGenerator 인스턴스의 flow_from_directory 메소드 에서 사용되는 target_size 인수에 대한 질문입니다.   본 기능을 통해 variety 한 이미지 손쉽게 사이즈들을  단일 사이즈로 통일시켜서 모델에 input 시킬 수 있을 듯 한데요, 예를 들어 input 이미지가 256 X 1024 등과 같이 세로로 wide 하게 찍은 사진인 경우도 224 X224 로 짜부해서 강제로 맞추는 방법인 것으로 이해하면 되는지.. 문의드립니다. 만약 그렇다면 그 방법 자체가 agumentation 이 적용된 것과 같은 효과가 되는 것은 아닌지요..? 이미지가 왜곡되어 학습을 어렵게 한다는 측면에서는 over fit 에 유리한 부분도 있겠지만 사진의 특징을 잡아내는데 어려움을 주게 되고, 모델 성능에 한계를 주는 요인이 될 수 있지 않을까 싶어서요 아직은 잘은 모르고... 개념적으로만 들은 keyword 이지만,  segmentation 과 같은 방법으로 전체 이미지 중에서도 관심을 가지는 특정 부분을 잡아낸 이후에 target_size=(224, 224) 와 같이 설정하는 방법이 예측성능 측면에서는 더 좋을 것 같기는 한데요... 제가 이해한 것이 맞을지 문의드립니다. 

선생님 안녕하세요, 항상 강의 잘 듣고 있습니다. 다름이 아니라, 해당 강의에서 다룬 pretrained된 모델을 기반으로 classification level만 바꾸어 훈련할 때, pretrained 되어 저희가 가져온 부분에 해당하는 가중치들은 변화하지 않고 오직 저희가 마지막에 추가한 레이어들에 속해있는 가중치들만 학습이 되는걸까요?   전이 학습을 사용할 때 이미 학습된 가중치들을 가져와서 가중치 초기화를 할 때만 이용할 수도 있다고 언급 하셨어서 이 코드에서는 어느 범위까지 미리 학습된 가중치들을 활용하셨는지 궁금합니다.   또 만약에 pretrained된 레이어에 해당하는 가중치들은 변화하지 않고 오직 저희가 새로 추가한 레이어에 해당하는 가중치들만 경사 하강법을 통해 계속 업데이트 되고 있다면, 기존 코드들에 비해 실행 시간이 훨씬 오래 걸리는 이유가 그만큼 back propagation 과정이 길기 때문이라고 이해해도 될까요?   감사합니다!

ppt 10p, 3번째 동그라미 '따라서 컨볼루션 층의 결과로 출력되는 차원은 [W, H, K]입니다' 문장에서 [W, H, K]가 아니라 [H, W, K] 아닌가요?  

안녕하세요. 수업 듣던 중 질문이 생겨 여쭤봅니다.   앞선 강의에서 설명해주셨던 필터는 마치 사진촬영 어플의 필터처럼, 적용 시 변경된 결과물을 도출해주며, GIF 예시로도 보여주셨었는데요. (빨간 필터, 초록 필터; 커널과 피처맵 강의 中 도시 전경 이미지에 필터 적용 예시)   본 강의에서 드는 의문은 Conv2D 레이어를 만들 때, 필터 사이즈만 정하고 정작 해당 필터가 어떤 필터인지는 정하지 않는건가요? (사진 어플의 필터를 예로 들자면, 흑백 필터인지, 스케치 효과의 필터인지 등)   혹은 이후에 특정 크기로 만들어놓은 Feature Map에 각각 filter를 적용하는 과정을 추가로 거치게 되는건가요?  

from mmdet.apis import init_detector, inference_detector import mmcv 를 할때 런타임 다시 시작을 하는데 왜 그래야 하나요..? 설치를 하게 되면 바로 실행이 되어야 한다고 생각하는데,  그렇지 않아서 문의드립니다. 또한 런타임이 어떤 역할을 하는지 알려주시면 감사하겠습니다. +) 커널과 런타임은 같은 개념인가요?

안녕하세요? 머신러닝 완벽가이드 수강하고 CNN 으로 넘어왔네요~ 요 강의 마치고 컴퓨터 vision 쪽 강의도 수강하려고 미리미리 구매해 놓았습니다. ㅎㅎ 항상 좋은 강의 감사드립니다! Batch normalization 강의를 듣고 실습을 해 보다가 세 가지 궁금한 점이 생겨서 질문 드립니다. (아래 내용 중에서 제가 잘못이해하고 있는 부분 지적해 주시면 감사드리겠습니다. ^^;;) 아래 그림과 같이 Batch Normalization 을 포함시켜서 Model  Creation 했을 때 Model Summary 를 보면 Batch Normalization layer 에도 Training paramter 가 할당되는 것을 볼 수 있는데요,    1) Batch normalization  layer 의 training paramter 의 갯수는 어떤 수식(?) 에 의해서 결정되는지.. 궁금합니다. 수식을 알 수 있다면 layer 에 대한 이해를 조금 더 높일 수 있을 듯 해서 질문드리고 있습니다.   2)  BN 방법이 Batch 별로 Z = (X - Xbar)/S 수식을 적용해서 얻은 평균이 0이고 표준편차가 1로 scaling 이 된 데이터들을 activation function 에 input 하는  방식인 것으로 이해가 되는데요,  각 node 나 feature point 들 중 신호가 약한 부위를 끄거나 (off), 신호가 분명한 부위를 켜는 (on) 역할을 데이터 평준화를 통해 좀 더 일관성 있게 해 주는 거라고 이해하면 될지요? (강의 중 설명에서는 오히려 noise 개념으로 어려운 학습을 하게 해서 overfit을 줄이는 역할을 한다고 해서.... 사실 일반적인 ML 에서의 표준화 개념과는 상충되는 듯 해서 이해하기 쉽지 않습니다.) 요약 드리면 Batch normalization layer 가 전 후 layer 들에게 영향 주는 물리적인 역할이 무엇인지.. 에 대한 질문입니다. Conv 와 Activation 사이에 위치한다면 Conv layer 에는 영향을 주지 않을 것이고, Activation 을 통과하는 결과에만 영향을 줄 것 같아서요.    3. '표준화' 라는 개념으로 BN layer 를 이해해 보면 왠지... 각  배치별 평균 벡터와  표준편차 벡터값 (혹은 분산-공분산 행렬) 들을 저장해 놓았다가, test data 예측시 활용할 것도 같은데요.. (마치 sklearn 의 preprocessing 모듈의 StandardScaler 클래스의 fit 메소드 처럼) 다만 매 batch 별로 표본 평균 벡터와 표본 분산공분산 행렬이 계속 달라질 것일텐데, batch 가 진행되면서 해당 통계량들을 업데이트 했다가 최종적으로 업데이트 된 통계량을 test data 예측할 때 사용하게 되는 것인지요..? 요 개념이 맞다면 대략 어떤 방식으로 weight 들을 업데이트하며 학습하게 되는지.. 개념적으로라도 이해하고 싶습니다. 다른 weight 들과 마찬가지로 결국 loss 를 줄이는 방향으로 최적화 되는 weight 들인 것인지도 궁금하구요~~ (아니면 BN 의 training parameter 들은 일종의 noise 처럼 임시로 저장은 하지만 예측 시 활용이 안되는 weight 들인 것인지요? )   감사합니다!

import numpy as np from surprise import BaselineOnly, KNNWithMeans, SVD, SVDpp, Dataset, accuracy, Reader from surprise import Dataset from surprise.model_selection import cross_validate, train_test_split data = Dataset.load_builtin(u'ml-100k')   와 같이 입력하면   Dataset ml-100k could not be found. Do you want to download it? [Y/n] --------------------------------------------------------------------------- EOFError Traceback (most recent call last) <ipython-input-16-e59d9e9bee92> in <module>() 5 from surprise.model_selection import cross_validate, train_test_split 6 ----> 7 data = Dataset.load_builtin(u'ml-100k') /usr/local/lib/python3.7/dist-packages/surprise/dataset.py in load_builtin(cls, name, prompt) 87 print('Dataset ' + name + ' could not be found. Do you want ' 88 'to download it? [Y/n] ', end='') ---> 89 choice = input().lower() 90 91 if choice in ['yes', 'y', '', 'omg this is so nice of you!!']: EOFError: EOF when reading a line와 같이 에러가 발생하는데 원인을 알 수 있을까요?

안녕하세요! 강의를 참고하여 공부하는 도중에 질문이 생겨 남깁니다. 딥러닝으로 구현한 추천시스템에 변수 하나씩 추가 하는 방법 말고 수십개의 변수를 한번에 넣어서는 만들지 못하는건가요? 고객의 어떠한 특성과 상품의 특성 같은 변수를 여러가지 추가하고 싶은데 강의 내용대로 하나씩 레이어를 만들어야하는지 궁금합니다!

안녕하세요 권철민 교수님    교수님의 모든 강의를 다 듣고 있습니다. 좋은 강의 감사합니다.첫번째 질문:   딥러닝 컴퓨터 비전 완벽가이드 초기판부터 개정판까지 수강하고 있고 동시에 CNN 완벽가이드, 파이썬 머신러닝 등 수강을 하면서 저는 늘 궁금했습니다. 제가 pyqt5를 UI디자인하고 Yolov5 모델을 트레이닝하면서 실시간 영상의 결과를 DB로 받아서 알람을 주는  스마트 CCVT 시스템을 한번 구성하고 싶어서 github에서 다른 개발자가 만든  소스도 참고하고 있습니다. 혹시 교수님께서 Github에서 잘 만들어 졌다고 fork 하시거나 추천해주실 만한 실시간 영상 오브젝트 디텍션 오픈소스가 있으신지요? 두번째: 오라클 성능 분석강의도 듣고 있는데 혹시 No SQL 쪽 강의 계속은 없으신지? 위에 부분에서 오브젝트 디텍션으로 받은 결과값을 DB로 저장하여 데이터를 시각화 하는 부분을 시스템으로 확장하고 싶어서 여쭤봅니다.    새로나온 강의도 수강신청 할겸 해서 여줘봅니다. 교수님 지식을 나누어 주셔서 감사합니다.