안녕하세요.강의 잘 듣고 있습니다."EfficientNet V2 M 모델로 학습 후 성능 평가" 강의 동영상이 Weight Decay 강의로 재생되는 것 같습니다.

안녕하세요.7:13에 맨 오른쪽아래에 XN(t+1)에서 M인데 N으로 오타가 있습니다.

이거 케글 파일은 어디있나요..?없는것 같은데..그 직전 2개 강의랑..

안녕하세요 변정현 강사님.강의 잘 듣고있습니다. 실습 수업 때는 주피터 노트북 형식으로 강의자료 다운로드가 가능한데, 혹시 이론강의 자료도 공유가 가능하신가해서 질문을 드립니다. 내용만 볼수있으면 pdf형식이나 워터마크가 추가되어도 크게 문제가 없을것 같은데, 혹시 가능하실까요?

안녕하십니까, 강의에서 배운 평가지표를 이용하여 anomaly detection을 진행하고자 합니다.문제는 다음과 같습니다.anomaly detection에서는 TN(이상이 없다고 잘 예측함)비율이 압도적으로 많은 상황입니다. 제 생각에는 ROC-AUC에서 FN 비율이 높아져도 FP비율이 낮다면, 여전히 ROC-AUC에서는 높은 성능을 보인다 생각했습니다.따라서 FN에 linear하게 반응하는 F1-max를 사용하고자 했습니다.하지만 주변에서 다음과 같은 답변을 받았습니다.Anomaly detection을 위핸 manual threshold가 문제라는 것 같네요.  해당 부분 분명히 문제가 맞습니다.하지만 이 부분이 AUROC라는 평가지표가 잘못되었다라는 주장을 하기에는 적절한지 아직 의문입니다.AUROC는 다양한 threshold를 두어 종합적으로 평가하기 때문입니다. 개인적으로 TN의 비율이 압도적인 것은 anomaly를 탐지하는 AD에서는 문제가 되지 않는다고 생각합니다. AUROC에서 역시 TN은 사용되지 않습니다. 모델이 모든 샘플에 대해 normal이라고 말하거나 혹은 그 반대여도 역시 AUROC는 낮아집니다 물론 F1-max도 중요하지만, 제 생각에는 여전히 AUROC로 평가하는 것은 유의미합니다.하여, 의견이 궁금하기에 글 남깁니다.이상입니다.

안녕하세요.강의 잘 들었습니다!이제 막 AI 를 학습하고 있는 학부생인데, 너무너무 필요했던 정보들이라 좋았습니다.혹시 해당 논문 외에, Transformer 구조를 가진 모델 중에 직접 스크래치부터 구현을 도전해볼만한 게 있는지 여쭤보려고 합니다. 물론 이것 저것 제가 원하는 모델을 해봐야겠지만... 이 분야에서 좀 더 잘 아시는 분에게 전반적인 로드맵을 추천 받고 싶어서요!

이미지 내에서 겹치는 이미지는 어떻게 학습을 해야하나요 실제 이미지에서는 데이터가 겹치는 경우도 많은데이런 경우에 어떻게 해결하는지요?감사합니다.

안녕허세요.강의 잘 보고 있습니다.옵티마이저 Adam과 RMSprop 은 자동으로 lr 를 조정한다고 배운 것 같습니다. lr_scheduler 이하 모듈들의 lr 조정과 차이가 무엇인가요?

Dataset_DataLoader노트북을 임포트 한 후 !ls -lia /kaggle/input 명령어를 실행시켰는데 결과가 아래와 같이 나옵니다. 그래서 7분경에 나오는 paths 를 출력했을 때 계속 빈 리스트만 출력이 됩니다.total 4 54734666216 drwxr-xr-x 4 nobody nogroup 0 Mar 31 10:58 . 146563915 drwxr-xr-x 5 root root 4096 Apr 4 06:33 .. 54734666268 drwxr-xr-x 3 nobody nogroup 0 Mar 31 10:58 test_set 54725050546 drwxr-xr-x 3 nobody nogroup 0 Mar 31 10:58 training_set

안녕하세요. 좋은 강의 잘 듣고 있습니다. 반복해서 여러 차례 들을 수 있어서 정말 좋습니다. 조금 기초적인 질문인가 싶은데요. 아래 이미지에서 질문이 있습니다.맨 아래 셀의 코드 x = torch.rand(8, 128)에서 배치 사이즈를 8로 정하는 이유를 질문드립니다.in feature가 128이고, out feature가 64라서 대략 2의 배수가 선택된 것인가 추측합니다. 다음 시리즈 기다리고 있습니다. 감사합니다.

안녕하세요 강의 정말 정말 잘 듣고 있습니다.!궁금한 점이 하나 있어 질문 남깁니다.섹션 8. CNN이해의 Pooling 강의에 8분 50초를 보면 Conv적용 시 Stride를 늘릴 경우 연산이 늘어난다고 언급하셨는데, 저는Stride가 늘어나면 이동폭이 늘어나고 그에 따라 output feature map 크기 또한 줄어들기 때문에 연산량은 줄어드는 것으로 생각했습니다.제가 이해했던 부분이랑 차이가 있어서 질문 남깁니다.질 좋은 강의 정말 정말 감사드립니다. 항상 잘 챙겨보고있습니다.!

안녕하세요 강의는 들었는데 외적으로 질문이 있습니다.현재 회사 개발로 Object Detection 모델을 사용할려고 하는데 yolo는 라이센스 문제로 인해 사용을 못하고 MMDetection으로 RTMDet를 학습하여 video_demo.py를 통해 검출 결과 테스트를 진행을 했는데output으로 저장된 동영상은 정상적인 속도로 실행이 되지만 show 옵션을 통해gui 영상으로 보면 video frame이 낮은듯 엄청 느리고 끊기게 실행이 됩니다. 이게 정상적인건지 나중에 web cam으로 갔을때도 frame이 낮게 끊기듯이 보일지 궁금해서 질문 남깁니다. 그리고 실무에서도 라이센스 문제 없이 가장 많이 쓰이는 object detection 알고리즘이 있는지도 궁금합니다. 좋은 강의 항상 감사합니다.

안녕하세요. 선생님numpy, pandas가 아직 익숙하지 않은데, 이 경우 어떤 교재나 강의를 보면서 하는걸 추천드리시나요?

혹시 메일 하나 받을 수 있을까요? 뭐 하나 제안드리고 싶은게 있어서요...ㅎㅎㅎ

vit 결과 부분에서 mean attention distance가 멀다는게 왜 전체적으로 본다는걸 의미하는지 잘 모르겠습니다

cuda sdk에서 6.0을 설치할려고 하는데 pytouch install에서 링크(https://pytorch.org/get-started/previous-versions/)여기서 어느부분을 복사해야할까요?윈도우입니다.

강의 CNN (2) - input_channel, output_channel은 무엇을 의미하는가 ? 이 파트 질문입니다.3분에 8채널이 되면, 필터가 어마무시하게 많아진다고 하셨는데 아래 그림같이 엣지 필터나 블러필터 하나로 1,1열 적용하고 1,2행 적용하는거 아닌가요?[[-1, 0, 1],[-2, 0, 2],[-1, 0, 1]])

.

안녕하세요 강사님! 강사님의 강의를 듣고 현재 yolo를 이용해 간단한 프로젝트를 하나 진행해보려고 하는데 몇가지 질문 사항이 생겨 글을 적습니다.전체적인 프로젝트 개요는 식물앞에 카메라를 두고 식물에 해충 및 질병 발생을 detect하는 모델을 만드려고 합니다.이때 카메라에 라즈베리파이 같은 소형 컴퓨터를 달아 모델을 운용하려는 계획이라 yolo의 높은 버전보다 yolo v5 간소화 버전들을 사용해야 겠다고 결정했는데 괜찮은 선택인지 궁금합니다.해충과 식물의 질병 부위 이미지 데이터셋으로 모델을 학습 시키려고 하는데 이때 coco dataset으로 pretrained된 모델을 사용해야 하는지 아니면 모델 구성부터 새로 한 후 원하는 해충/질병 이미지만 학습 시켜야 하는건지 궁금합니다.감사합니다!!

cifar10 데이터셋에 대하여 Normalize를 적용하는 이유가 궁금합니다.mean과 std 리스트에 들어있는 값의 의미가 무엇인가요?이미 ToTensor()로 0~1값의 스케일링 된 데이터를, 표준화까지 적용하여 평균0, 분산 1로 만드는데 장점이 있는건가요??normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) def get_dataloaders(): train_data = torchvision.datasets.CIFAR10( root="../.cache", train=True, download=True, transform=transforms.Compose([torchvision.transforms.ToTensor(), normalize]), )