이자다의 기록

넘파이 1.24.0부터는 numpy.float, numpy.int를 삭제하여 그렇다고 한다 !pip3 uninstall numpy --yes !pip3 install numpy==1.19.5 그래서 넘파이 1.19.5 버전을 설치했다. uninstall문의 yes 옵션은 uninstall이 끝나지 않아서 권한 문제 같아서 추가한 옵션이다. 이를 추가하면 관리자 권한을 얻게 된다. 이제 넘파이 버전도 낮췄으니 되겠지 했는데 ImportError: numpy.core.multiarray failed to import 이런 에러가 나타난다. 넘파이 버전이 낮아서 생기는 문제라고 한다. !pip3 install numpy==1.23.5 1.23.5를 했더니 더이상 오류가 나타나지 않는다. 1.24부터 완전히 n..

Collecting cython_bbox Using cached cython_bbox-0.1.3.tar.gz (41 kB) Installing build dependencies: started Installing build dependencies: finished with status 'done' Getting requirements to build wheel: started Getting requirements to build wheel: finished with status 'error' error: subprocess-exited-with-error × Getting requirements to build wheel did not run successfully. │ exit code: 1 ╰─> [..

분명 python-opencv 와 여타 패키지들을 설치했지만 Import "패키지" could not be resolved 라며 불러올 수 없었다. 문제점은 파이썬 커널과 인터프리터의 버전 차이였다. 커널은 3.9였지만 인터프리터는 3.11이었다. 인터프리터는 우하단에서 선택해 바꾸거나 vscode 상단 메뉴바에서 view - Command Palette - python: select interpreter로 선택이 가능하다

import yolox print("yolox.__version__:", yolox.__version__) from yolox.tracker.byte_tracker import BYTETracker, STrack from onemetric.cv.utils.iou import box_iou_batch from dataclasses import dataclass @dataclass(frozen=True) class BYTETrackerArgs: track_thresh: float = 0.25 track_buffer: int = 30 match_thresh: float = 0.8 aspect_ratio_thresh: float = 3.0 min_box_area: float = 1.0 mot20: bool = ..

docs에선 커스텀 모델에 대해서 resume을 하라고 나왔는데 이미 pretrained 된 yolov8s 모델에 resume 옵션을 쓰면 car 클래스는 yolov8s가 coco데이터셋으로 미리 학습해놨을테니 좋지 않을까 해서 시도해봤는데 에러가 나온다. 이전 가중치를 그대로 이어서 하는거라 그런가보다

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..