클라우드 기반 인공지능 개발과 DevOps 실무

터미널에 가상환경을 만들어 tesorflow를 만들어준 뒤 메뉴얼 순서에 맞게 다운로드 및 사용법을 보고 활용하면 된다. TensorFlow Object Detection 공식사이트: https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/install.html Installation — TensorFlow 2 Object Detection API tutorial documentation Anaconda Python 3.8 (Optional) Although having Anaconda is not a requirement in order to install and use TensorFlow, I suggest doing so,..

object Detection 은 크게 두가지로 나뉘게 되는데 SSD : Single Shot Detectors YOLO : You Only Look Once 로 나뉘게 된다.

이미 검증이 완료된 뉴널네크워크를 활용하여 자신에게 만들거나/필요한 인공지능에 모델링을 가져오가나 트레이닝을 더 해줘어 정확도를 높이는 것이다. 원래의 만들어 둔 인공지능을 가져와 outputs 부분은 head 부분을 사용자가 직접 만들어줘서 인공지능 body부분 만을 이용하여 정확도를 높이는 방법이다. 텐서플로우가 제공하는 모델 : https://www.tensorflow.org/api_docs/python/tf/keras/applications?hl=ko Module: tf.keras.applications | TensorFlow Core v2.7.0 Public API for tf.keras.applications namespace. www.tensorflow.org

import os os.chdir('') # 자신의 경로 복사하기 ! unzip + # 파일이름 TYPE='type' model_type='mobilenetv2' user='block' iteration='1-2' first_time_training=True PROJECT_PATH= ' ' # 자신의 이 노트북의 구글드라이브 경로로 셋팅 HDF5_DATASET_PATH=PROJECT_PATH+'/vehicle_datasets/vehicle-type-dataset-SIZE224-train-dev-test-v2.hdf5' TARGET_CLASSIFICATION_MODEL=PROJECT_PATH+'/trained-models/'+model_type+'/'+'vehicle-classification-by-'+T..

from tensorflow.keras.callbacks import ModelCheckpoint if not os.path.exists(PROJECT_PATH + '/checkpoints/'): os.makedirs(PROJECT_PATH + '/checkpoints/') cp= ModelCheckpoint(PROJECT_PATH + '/checkpoints/model.h5',monitor='val_accuracy', save_best_only=True,verbose=1)

def learning_curve(history, epoch): plt.figure(figsize=(10,5)) # 정확도 차트 epoch_range = np.arange(1, epoch + 1) plt.subplot(1, 2, 1) plt.plot(epoch_range, history.history['accuracy']) plt.plot(epoch_range, history.history['val_accuracy']) plt.title('Model Accuracy') plt.xlabel('Epoch') plt.ylabel("Accurach") plt.legend( ['Train', 'Val'] ) # plt.show() # loss 차트 plt.subplot(1, 2, 2) plt.plot(epoch_..

첫 input 레이어 에서의 input_shape= 은 변수의 행 갯수를 대입해야 하면 된다. 대부분 relu 를 사용하며 output 레이어에서 분류의 경우인 경우 sigmoid를 사용한다. dropout 이란 랜덤으로 웨이트 선을 끊어 오버피팅을 감소시키는 방법이다.