이자다의 기록

https://teang1995.tistory.com/17 [ 개발 환경 설정 ] Windows 10 에 CUDA를 설치해보자! 아! 입사 첫 주라 설정해줄 것이 정말 징글징글하게 많다! 전 게시물이 conda + vscode 였다면, 이번엔 CUDA + Torch다! conda 설정 및 python 개발 환경 구축 : link 1. 내 GPU 확인 어렵지 않다. 우선 시작 메뉴 teang1995.tistory.com 위 블로그의 과정 그대로 진행한다. https://kjk92.tistory.com/82 CUDA 설치 및 설치 실패 대처 목적 1) CUDA 설치 및 CUDA 설치 확인 2) CUDA 설치 오류 대처 1) CUDA 설치 및 CUDA 설치 확인 CUDA 11.0버전을 설치했습니다. Visua..

mps 옵션을 넣으면 m1 환경에서 훈련을 이용할 수 있다. 문제는 가벼운 모델 학습 정도를 가정한 것인지 yolov8s 모델을 학습시킬 땐 메모리가 꽉 차서 마우스도 못움직이고 맥북이 멈췄다가 강제종료 됐다. batch size를 줄이고 모델도 yolov8n으로 낮추고 했는데도 1 epoch에 걸리는 시간이 심상치 않다. 이미지 데이터 2000장 분량이지만 역시 일반적인 GPU 환경에 비하면 너무 심하다. 나중에 좋은 최신 맥북 프로를 맞추면 가능할지 모르지만 어쨌든 지금은 내 맥북에서 훈련은 꿈도 꾸지 말아야겠다. yolo 모델의 경우 학습을 200~300에폭을 돌려야 효과적으로 학습한다는데 현재 colab은 그렇게 돌리면 도중에 런타임 연결이 끊겨버려서 50에폭씩 학습시키며 학습파일을 드라이브에 저..

yolov8 모델을 훈련시킬 때 의도치 않게 학습이 중단됐다면 resume 옵션을 사용하여 훈련을 재개할 수 있다. 이미 지정된 에폭만큼 반복하여 훈련을 완료한 모델에게 사용하면 이미 훈련 완료한 모델이라며 에러 메시지를 출력한다. 그리고 yolov8에서 기본적으로 제공하는, coco 데이터셋으로 pretrained된 모델에 resume 옵션을 사용하면 클래스 개수 혹은 사용하는 데이터셋이 coco와는 달라서인지 상술한 오류가 아닌 다른 오류가 출력된다.

이번 차량 경로 검출 프로젝트에서 대형 트럭의 설명을 미팅 자리에서 '트레일러 두개가 연결된 차량'을 지칭한다기에 아래와 같은 차량만을 대형 트럭이라고 칭하는 줄 알았다. 트레일러가 보통 트렉터 본체 뒤에 연결된 화물 컨테이너를 칭하니까 아래와 같이 화물칸이 한개인 트레일러는 대형트럭이 아닌 줄 알았다. 그런데 협업하면서 데이터셋을 만드는 중에 대형 트럭의 기준이 서로 다른것 같아서 문의했더니 '트레일러 두개가 연결된 차량'은 트렉터와 트레일러가 연결된 걸 뜻한다더라. 즉 트렉터-트레일러 구조의 일반적인 트레일러를 '트레일러 두개가 연결된 차량'이라고 표현한 거다. 결국 지금까지 제작한 데이터셋을 싹 전수조사 해서 위의 트레일러가 대형 트럭이라고 분류되지 않았는데 전부 대형 트럭으로 고쳐야 한다. 짜증나..

https://cran.r-project.org/src/contrib/Archive/KoNLP/ Index of /src/contrib/Archive/KoNLP cran.r-project.org KoNLP가 R 서버에서 삭제되어 직접 다운받아 설치할 필요가 있다. 위 사이트에서 다운로드한 후 R Studio에서 상단 메뉴 Tools - Install Packages로 프로젝트에 설치한다. #의존성 패키지 설치 install.packages(c("cli", "hash", "tau", "Sejong", "RSQLite", "devtools", "bit", "rex", "lazyeval", "htmlwidgets" , "crosstalk", "promises", "later", "sessioninfo", "x..

실습 환경은 구글 코랩에서 한다. 맥북의 vscode에서 하려고 했는데 실습에 사용할 ByteTrack은 yolox를 요구하고, yolox는 아래 링크에 따르면 cuda/pytorch가 설치되어야 하는데 맥북 환경에서는 무리인 것 같다. https://velog.io/@khjgmdwns/Nvidia-Jetson-%EA%B0%9C%EB%B0%9C%ED%99%98%EA%B2%BD-%EC%84%A4%EC%A0%95-3-YOLOX Nvidia Jetson YOLOX 개발환경 설정 $ git clone https://github.com/Megvii-BaseDetection/YOLOX.gitcd YOLOX velog.io 실제로 의존성 패키지들 설치가 제대로 되지 않고 yolox는 제대로 Import가 되지 않는다..

from ultralytics import YOLO # Load an official or custom model model = YOLO('best.pt') # Load an official Detect model model에 내가 훈련시킨 가중치 파일을 할당한다. # Perform tracking with the model results = model.track(source="/Users/user/Desktop/vscodeProject/YOLOv8_Practice/12.MP4", show=True) # Tracking with default tracker 모델을 이용해 영상을 tracking 하는 코드다. 트래커를 따로 지정 안하면 디폴트로 botsort.yaml이 지정되어 트래커로 BoT-SORT가 ..

발목 강화 운동 스쿼트 100회 쪼그려 앉아 카프레이즈 150회

https://thisisjava.tistory.com/588 YOLOv8 객체 탐지 시 zsh: killed 오류 yolov8의 모델로 비디오 객체탐지 시 위와 같이 실행 중 프로세스가 죽어버리는 오류가 지속적으로 발생한다. https://stackoverflow.com/questions/66295155/zsh-killed-python3-on-m1-macbook-pro zsh: killed python3 on M1 MacB thisisjava.tistory.com 위 글의 오류 해결 과정이다 위 사진들에서 메모리 사용량을 보면 yolov8 객체탐지 과정에서 메모리 소모량이 매우 극심하다. 이유는 객체 탐지 과정에서 사용한 model.predict 함수는 영상 객체를 탐지할 때 프레임 단위로 나온 결과값..

구글 코랩에서 객체탐지 시 위와 같은 오류가 계속해서 발생하였다. 해결법은 다음 링크를 참고하였다. https://github.com/ultralytics/ultralytics/issues/3031 predict stops early due to WARNING ⚠️ NMS time limit 0.550s exceeded · Issue #3031 · ultralytics/ultralyticsSearch before asking I have searched the YOLOv8 issues and discussions and found no similar questions. Question I have trained a custom model and when I want to test it on a video..