이자다의 기록

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..

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 MacBook Pro I'm trying to run Python 3 on the new M1 chip MacBook. I tried installing python3 both via the official Python website (https://www.python.org/downloads/release/python-391/) and also via brew install stackoverflow.co..

영상을 객체감지를 했고 출력물은 다음과 같다. 결과를 출력하는 부분에 있어서는 yolov5는 yolov8보다 확실하게 불편하다. yolov8는 자체적으로 YOLO 패키지를 지원하여 결과를 알기 쉽게 저장하는데 yolov5는 그런 지원은 없고, detect.py 실행 시 옵션에서 save-txt, save-csv 옵션을 선택한다고 해도 위 사진처럼 출력되어 활용하기가 되게 번거롭다. https://docs.ultralytics.com/yolov5/tutorials/pytorch_hub_model_loading/#before-you-start PyTorch Hub Detailed guide on loading YOLOv5 from PyTorch Hub. Includes examples & tips on in..

https://velog.io/@jeon328kr/Pytorch-GPU%ED%99%9C%EC%9A%A9%ED%95%98%EC%97%AC-%EA%B0%80%EC%86%8D%ED%95%98%EA%B8%B0with-Yolov5-CUDA Pytorch GPU활용하여 가속하기(with Yolov5, CUDA) Windows에서 CUDA, Pytorch를 설치하여 Opencv를 사용하기 위한 환경을 구축해보자. velog.io pytorch 설치 과정과 yolov5에서 어떻게 gpu 사용하는지 안내 conda 가상환경 세팅 안내 https://teang1995.tistory.com/17 [ 개발 환경 설정 ] Windows 10 에 CUDA를 설치해보자! 아! 입사 첫 주라 설정해줄 것이 정말 징글징글하게 많다! ..

이미지들을 10000개 넘게 구하고 업로드 했더니 플랜을 업그레이드 하라고 나온다. 업로드 한 이미지들을 삭제해 10000개 이하로 만들면 제한이 해제된다. 업그레이드 플랜은 제법 비용이 나오니 사용할거면 이를 주의해서 프로젝트 당 이미지 업로드 수가 10000개가 넘어가지 않도록 해야겠다. 그리고 이미지 업로드 시 태그는 꼬박꼬박 달자. 이미지 삭제할 때 해당 이미지가 무엇인지 햇갈린다.

!pip install ultralytics #yolov8과 yolov8 실행에 필요한 라이브러리 설치 yolov8을 사용하기 위한 ultralytics 패키지를 설치한다 import ultralytics ultralytics.checks() 설치한 ultralytics 패키지를 import하고 check() 함수로 제대로 설치 되었는지 확인한다. from ultralytics import YOLO #YOLO('yolov8n.pt')로 모델 다운로드. model = YOLO('yolov8s.pt') #MS COCO Dataset 사전학습 된 yolov8s 모델을 로드함. s 이외에도 n, m, l, x 등이 있음. #모델 크기가 증가할수록 정확도도 증가하지만 메모리 사용률 등 부수적인 부분에서 트레이드 ..

업체에서 외장하드를 제공 받았는데 맥에서는 호환이 되지 않아 사용이 불가하여 윈도우 운영체제를 사용하는 데스크탑에 외장하드를 백업한 후 맥에서 외장하드를 포맷했다. 1. 맥에 외장하드 연결 후 디스크 유틸리티 실행 2. 디스크 유틸리티에서 외장하드 클릭 후 지우기 클릭 3. 제목은 영어로, 포맷은 exFAT, 파티션 방식은 외장 하드가 2TB 이상이면 GUID로 설정하고 그 미만이면 MBR(마스터 부트 레코드)로 설정 후 지우기 실행. 4. 지우기가 끝나면 이제 맥에서 정상적으로 인식이 되며 데이터 읽고 쓰기가 가능해진다.

위 엑셀을 파이썬으로 작성해본다 import pandas as pd df = pd.DataFrame([ ["홍길동", "1990.01.02", "2021-0001"], ["김민준", "1990.05.06", "2021-0002"], ["김철수", "2000.08.08", "2021-0003"], ["김영희", "2000.09.09", "2021-0004"], ["이서준", "2010.10.10", "2021-0005"], ["장다인", "2017.12.12", "2021-0006"] ]) print(df) df.to_excel(r'12. 엑셀의 정보를 불러와 수료증 자동 생성/수료증명단2.xlsx', index=False) 입력할 값을 pandas 라이브러리를 import 한 후 데이터프레임 형태로 작성..

내가 선택한 컨테이너에서 터미널을 열어 터미널에 대해 명령어를 실행시킬 수 있다. 데스크톱 앱에서가 아니라 터미널에서도 exec 명령어로 실행중인 컨테이너에 명령어를 입력할 수 있다. docker exec ws3(컨테이너명) pwd(명령어, 현재 경로 출력) 위 명령어가 ws3 컨테이너에 들어가서 출력이 제대로 되는 모습을 확인할 수 있다. 쉘 파일을 실행시키는 두 명령어가 실행 되자마자 종료된다. 이런 경우에는 -it 옵션을 줘서 실행이 지속되도록 한다. -it 명령어를 추가하여 입력하자 쉘이 정상적으로 열리고 지속된다. 쉘 환경에서 명령어도 입력 가능하다. 쉘 파일을 불러올 때는 /bin/sh 나 sh를 작성하면 된다. 쉘 환경에서 나가고 싶을 땐 exit 혹은 control + d 를 입력하면 된다.