꼼개의 개발자취

YOLO를 훈련시키려면 필요한 3가지 데이터가 있다. 1. data 2. cfg 3. weight 1. data 만들기 data는 이런 형식을 가진다. classes는 훈련하려는 객체 개수 train은 훈련에 사용되는 이미지의 경로 valid는 평가에 사용되는 이미지의 경로 names는 객체의 이름 backup은 훈련된 weight를 저장하는 경로이다. 좀더 자세히 살펴보자면 data의 하위폴더에 txt와 names 파일이 존재한다. 이 파일들의 형식은 다음과 같다. 여기서 주의할 사항은 폴더경로를 잘 설정해줘야한다. train.txt에서 경로/번호/음식사진.jpg 로 설정되있다. 즉 번호에 names의 index와 같은 음식 사진이 들어가야한다. 위를 예로 들자면 names의 첫번째 index가 밥 -..

자율 프로젝트에서는 YOLO를 Colab 환경에서 사용하기로 했다. Colab 환경에서의 장점은 성능 좋은 GPU를 무료로 사용 가능한 점과 환경 구축이 간편한 점이다. 단점은 학습 데이터를 구글 드라이브에 넣어야하는데 용량이 부족하고 동기화 반응이 느리다. 또한 무료로 12시간만 사용 가능하기 때문에 오랜시간 학습이 필요한 모델을 훈련하는데 제약이 있다. 그러나 몇일 걸리는 환경을 단 몇 시간만에 구축할 수 있다는 점은 매우 큰 메리트인 것 같다. Colab에 Darknet 설치 1. 구글 드라이브 접근 from google.colab import drive drive.mount('/content/gdrive') 2. cudnn 설치 GPU에 맞는 cudnn을 설치해야한다. 2020-10..