RPN 질문

안녕하십니까,네, 상세한 부분이 빠져 있지만, 대략적으로는 1, 2 번 다 맞습니다. 아래 AI 인턴 답변도 참조해 보시면 좋을 것 같습니다. 감사합니다.

에러 발생 질문

Colab 가상환경에 기존 모듈을 무시하고, 새로운 모듈을 설치하였으므로 강의에서 말씀드린대로 Kernel을 재 기동하시면 됩니다.

fast RCNN vs faster RCNN

네, 맞습니다. RPN 기반에서 속도와 정확도가 더 뛰어납니다. 감사합니다.

9.6 아이템기반 인접 이웃 협업 필터링 실습 관련 문의

안녕하십니까, 제 생각엔 지금 사용하시는 가상환경이 사이킷런 1.6으로 upgrade하시면서 뭔가 다른것도 다 바뀐것 같군요. 먼저 scipy를 1.7.1 로 downgrade해보시겠습니까? 제 버전이 1.7.1 입니다. ip ipip install scipy==1.7.1아니면 새로운 가상환경에서 강의 실습대로 python 3.9, 사이킷런 1.0.2 로 설치하셔서 새롭게 구성하는 것도 좋을 것 같습니다. 감사합니다.

Bounding Box Regression 학습 질문

안녕하십니까, (지금 강의를 처음 들으시는 거라면, 그리고 현재 강의 영상까지만 들으셨다면), 앞으로의 강의 영상에서 해당 부분을 설명드릴 겁니다. 이론적인 설명은 뒤에서 더 자세히 드리겠지만, 요약해서 말씀드리면Object Detection은 Feature Map 변환 후 오브젝트가 있을 만한 위치를 추정해 내고, 해당 위치에서 얼마나 멀리 오브젝트가 떨어져 있는지를 판별해 냅니다. 그리고 레이블은 Regression 용이 아니라 Classification용이며 학습시에 데이터로 주어집니다. 그래서 해당 오브젝트가 어떤 클래스인지 판별하게 됩니다. 그리고 해당 오브젝트가 이미지의 어느 위치에 있는지 좌표 형태로 주어지게 되고, 모델이 학습하면서 오브젝트가 있을만한 위치를 추정하고, 해당 위치에서 얼마나 떨어져 있는지를 계속 학습하면서 정교해 집니다. 학습에 완료된 모델에 이미지를 입력하면 모델은 해당 이미지의 feature map에서 학습된 어떤 object들이 있는지, 그리고 오브젝트가 있을만한 위치에서 얼마나 떨어졌는지 예측하여서 object detection을 수행하게 됩니다. 감사합니다.

9장 학습 중 sklearn 1.6.0 버전을 사용해도 되나요?

안녕하십니까, 섹션 10 추천 시스템을 듣고 계신건가요? 일단 섹션 10 추천 시스템은 사이킷런 1.6이어도 괜찮은지 제가 확실히 답변 드리기 어렵지만, 섹션 9 텍스트 분석은 Mercari 분석 실습 시 사이킷런 1.6으로 할 시 Lightgbm에서 실습 코드가 제대로 동작하지 않을 수 있습니다. 제 생각엔 CountVectorizer가 특별히 오류가 발생할 이유가 없을 것 같은데, 먼저사이킷런 1.0.2 로 다시 돌리시고, numpy와 pandas 버전을 여기에 올려봐 주시겠습니까, CountVectorzer 수행 시 발생하는 오류도 여기에 올려 주십시요. 감사합니다.

autoflush=false에 대해 질문 드립니다.

안녕하십니까, autoflush는 SQLAlchemy에서 ORM을 적용할 때 사용합니다. ORM의 Session 생성 시 적용됩니다. 하지만 본 강의는 ORM(또는 Session)을 사용하지 않기 때문에 autoflush와 아무 상관이 없습니다. 그리고 ORM을 사용하신다면 autoflush를 True로 하면 flush()를 매번 호출할 필요가 없어서 좋은데, 명확하게 객체와 DB 동기화가 헷갈리는 경우가 있을 수 있어서 False로 설정하는 경우도 있습니다. 감사합니다.

IntellJ에서 JDK 설정

안녕하십니까, 음, 흔치 않은 경우인데,이런게 발생하는 군요. 일단 IntelliJ 메뉴에서 File -> Project Structure 에서 Project -> SDKs에서 확인해 보시겠습니까, 그리고 IntelliJ 버전이 어떻게 되시지요? 감사합니다.

Augmentation원본에 적용해서 데이터 갯수 자체를 늘리는 행위는 의미가있나요?

안녕하십니까, 경험적으로 해당 방법은 train시에 augmentation을 적용하는 것 대비 성능 향상이 거의 이뤄지지 않는데, 제가 생각하는 이유는 아래와 같습니다. train 시에 epoch등을 늘리는 것과 큰 차이가 없음. 미리 augmentation 되어 있는 데이터에 대해서 train 시에 augmentation을 적용하면서 중복 augmentation이 되고, 원본 이미지가 적당한 수준에서의 augmentation이 적용되는게 아니라 지나친 수준으로 augmentation이 되면서 성능이 저하될 우려가 있음. 감사합니다.

docstring이 안 먹혀요

안녕하십니까, @app.get(.....)의 description이 사용되면 docstring이 적용되지 않고, description이 먼저 적용되는 군요. description을 제외하고 docstring을 적용해 보십시요. 감사합니다.