코딩 기록들

논문제목 : Analyzing and Improving the Image Quality of StyleGAN 논문 사이트 : 1912.04958.pdf (arxiv.org) 발행년도 : 2020.03.23 StyleGAN2의 contribution - 본 논문에서는 w space 에서의 analysis를 진행함 -> 이전연구와 마찬가지로 z->w 매핑네트워크 사용 - 기존 아키텍처의 문제점을 지적함 - 1) AdaIN style transfer -> blob like artifact 발생 - 2) progressive growing -> 얼굴 특정 부분이 fixed position갖는문제(phase artifact) 발생 - 성능 개선 위한 방법 제안 - 1) 새로운 generation 아키텍처 제안 :..

논문제목 : Analyzing and Improving the Image Quality of StyleGAN 논문 사이트 : 1912.04958.pdf (arxiv.org) 발행년도 : 2020.03.23 [연구배경] Generative adversarial networks (GAN) l 생성자와 판별자, 두개의 네트워크를 활용한 생성모델 - 생성자 generator : 학습이 다 되고나면 생성자만을 이용해서 이미지를 만들수있다 - 판별자 discriminator : 생성자를 학습시키기위한 목적으로 사용되는 보조적인 네트워크 - 하나의 목적함수를 통해서 두개의 네트워크를 학습하는 방식으로 생성모델을 만들수있다 [연구배경] progressive growing of GANS (PGGAN=Pro GAN) l ..

0. 환경 설정 1) dataset_tool.py 들어가서 channel=3으로 변경 2) pip install -r requirements.txt (requirements 두번째줄 경로 길게 적혀있는 부분 지워주기, 토치관련된것도 지우기_환경에맞게 설치를 따로 할 것이기 때문) 3) pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html 1. 데이터셋생성 : 테스트 할 이미지 python dataset_tool.py --source=./girls_dataset --dest=./dataset/dataset.zip --width=256..

it 관련 핫한 기사들 참고 사이트 IT세상을 바꾸는 힘 지디넷코리아 (zdnet.co.kr) IT세상을 바꾸는 힘 지디넷코리아 국가대표 테크미디어 지디넷코리아 zdnet.co.kr 2023 Emerging AI+Top 100 인공지능 대표 산업협회 - 지능정보산업협회 - 열린공간 - 공지사항 (k-ai.or.kr) 지능정보산업협회 한국인공지능대표협회, 인공지능산업, AI, 4차 산업혁명, 지능정보 www.k-ai.or.kr:443 직무 전문성을 키우기 위해 노력한 경험 - 그저 교육받았다는 소재 자체를 제목으로 쓰지 말기 - 내용나열 x - 개발능력, (논문)분석력, 본인의 능력 등을 위주로 적기 절대하지말것 : 팀원욕, 팀장으로서의 의견조율과 역할분담 할것 : 남욕말고, 남에게 도움을 준것 쓰기, 협..

자소서 관련 강의 메모 - 이메일 : 개발자의 의지를 담은 입사지원용 이메일계정을 따로 하나 생성하기 - 경럭사항 작성시 : 서술형 어미가 아닌, 명사형 어미로 기재, 주요 업무내용은 최소 3줄이상, 구체적으로 적기 - 교육사항 : 어떤 내용을 배웠고, 어떤 역량을 향상시켰는지 적기('강화') - 자격증 : 직무와 관련이 높은 위주로 기재, 연관이없다고 판단되는 자격증은 삭제 - skill & test : 스스로 구현 가능한 부분을 적기 - 수상내역 : 첫줄은 대회명 기재하기. 어떻게, 어떤역할로 참여하였는지 기재(기술스택, 모델명 포함), 결과도 정확히 기재 - 직무유관 경험 : 직무관련경험 >>> 경력 > 기술스택 일치여부 포트폴리오 방향 설정전략 토이프로젝트 & 팀 프로젝트 1. 그룹 스터디 팀원들..

- 글을 들어가기 앞서, 개발 공부를 잘하는 방법 - 1. 처음배울때 : 기본쌓기 2. 기본이 쌓이면 : 지식강화(다지기) 3. 주기적으로 : 역량강화 + 내가 필요한 지식들 메모하기 * 프로그래밍 언어나 프레임워크, 라이브러리를 배울땐 : 공식사이트가 제일 정확함 * https://pytorch.org/docs/stable/index.html https://docs.python.org/3.8/ https://pytorch.org/tutorials/ * git nation 의 리스트 참조 * - 리액트 공부나 유닛테스트에 관심이있다면 Ken.C dodds 분의 블로그 참조 - 리액트 쿼리를 배우고있다면 공식문서 + Dominik dorfmeister 의 블로그 읽어보기 --> 공식문서 + 명성있는 지식인..

- 부적합 : train, test 데이터셋 모두에서 성능이 떨어지는 경우 - 과적합 : train, valid 데이터셋 성능이 우수하나 test 에서 떨어지는 경우 - Gradient vanishing 기울기소실 / exploding 기울기폭주 : 학습의 역전파 과정에서 이상가중치 발생 -- > 적용가능한 해결방안 : 활성함수변경, 가중치초기화, 정규화(요즘 사용안하는 추세임) 모델 학습 하이퍼파라미터 **주의 : 모델 찾을때 최근 3년 넘어가는건 사용하지말기 & 너무최신꺼는 버그가 많음** 1) Loss Function - 모델이 도출한 output과 정답지target의 차이를 수치화하는 함수 - 회귀분석문제에는 MSE / classification에는 Cross-Entropy - 이진분류문제는 Bi..

data -> 전처리 -> dataset() : 정의하는 과정 -> load 해와야됨 pytorch에서 배치학습에 요긴하게 사용되는 클래스 : dataloader 딥러닝학습시 데이터를 모델에 입력해 출력&목표값 비교하는 방식으로 순방향 전달(아래 사)이 일어난다. 모델에 데이터를 넣을때 작은 데이터셋이 아닌이상 학습할 데이터셋을 쪼개서, 미니배치 단위로 모델에 입력하게된다. 이 과정을 dataloader가 도와주는것. dataloader 간단하게 사용하기 1. 사용할 모듈 불러오기 : from torch.utils.data import Dataset, DataLoader 2. 한 dataloader 인스턴스 생성하기위해 생성자에 어떤 파라미터들이 필요한지 보기 : DataLoader(dataset, ba..