from sklearn.metrics import mean_squared_error def RMSE(y_test, y_predict): return np,sqrt(mean_squared_error(y_test, y_predict)) print("RNN RMSE:", RMSE(test, rnn)) 코드의 경우, NameError: name 'sqrt' is not defined 가 뜹니다. 이것은 에러 메시지를 보면 sqrt 함수가 정의되지 않았다는 것을 나타내고 있습니다. sqrt 함수는 numpy 모듈이 아닌 math 모듈에 속해 있습니다. 따라서 코드를 수정하여 sqrt 함수를 math.sqrt 로 호출해야 합니다. 또한 np 와 sqrt 사이에 있는 , 도 제거해야 합니다. 수정된 코드는 다음과 같습니다. import math def RMSE(y_test, y_predict): return math.sqrt(mean_squared_error(y_test, y_predict)) print("RNN RMSE:", RMSE(test, rnn)) 저 같은 경우 아래의 값이 나오네요. RNN RMSE: 162.4618184423233
전 강의에서 고쳤던 부분과 마찬가지로 최신 버전의 Keras에서는 keras.layers.recurrent 모듈이 폐기되었으며, 대신 keras.layers 에서 직접 GRU 레이어를 가져와야 합니다. from keras.layers.recurrent import GRU 는 from keras.models import Sequential from keras.layers import GRU, Dense 로 수정해주시면 쾌적하게 코드가 돌아가시는 걸 경험하실수 있습니다.
from keras.layers.recurrent import LSTM 로 작성할 경우 ModuleNotFoundError: No module named 'keras.layers.recurrent' 라는 오류가 뜹니다. 이것은 최근 버전의 Keras (Keras 2.4.0 이상)에서는 recurrent 모듈이 폐기되었기 때문입니다. 대신에, keras.layers 에서 직접 LSTM 레이어를 가져올 수 있습니다. 다음은 수정된 코드입니다. from keras.models import Sequential from keras.layers import LSTM, Dense lstm = Sequential() lstm.add(LSTM(units=6, activation='relu', input_shape=(1,1))) lstm.add(Dense(units=1, activation='linear'))
from statsmodels.graphics.tsaplots import plot_pacf plot_pacf(pacf, lags=20, method='ols', title='pa').show ValueError: Can only compute partial correlations for lags up to 50% of the sample size. The requested nlags 20 must be < 10. 이런 에러가 떠서 좀 헤맸네요. 결론적으로 선생님 코드 from statsmodels.tsa.stattools import pacf pacf = pacf(df['cnt'], nlags=20, method='ols') print(pacf) from statsmodels.graphics.tsaplots import plot_pacf plot_pacf(pacf, lags=20, method='ols', title='pa').show 는 from statsmodels.tsa.stattools import pacf pacf_values = pacf(df['cnt'], nlags=20, method='ols') print(pacf_values) from statsmodels.graphics.tsaplots import plot_pacf plot_pacf(df['cnt'], lags=20, method='ols', title='pa').show 로 바꿔주시면 에러 없이 차트 표출이 됩니다.
안녕하세요, OpenCV의 DNN을 이용한 Object Detection 구현 개요 및 관련 실습에서 질문이 있습니다. cv2.dnn.readNetFromTensorflow 라이브러리에서 Faster-RCNN ResNet-50 가중치 모델 파일과 환경 설정 파일을 통해 inference 네트웍 모델을 생성한다고 설명해주셨습니다. 또한, cvNet.forward()를 통해 생성한 inference 네트웍 모델에서 output을 추출, 그리고 추출한 output에서 detect 정보를 시각화 합니다. 제 질문은, Pretrained된 가중치 모델 파일 은 구체적으로 무엇이며, 또한 Faster-RCNN 수업에서 설명해주신 RPN은 언제 수행 하는지 궁금합니다. 제가 이해하지 못하는 부분은 다음과 같습니다. 제가 이해하기로는, cvNet.forward를 통해 inference 네트웍에서 output을 추출하여, 추출한 output으로 부터 object detect를 할 수 있는데, 이때 object detect를 할 때 사용되는 알고리즘이 Faster-RCNN이라고 이해하였습니다. 그러나, Pretrained된 가중치 모델 파일은 Faster-RCNN, MobileNet, Mask-RCNN 등의 모델을 지원합니다. 가중치 모델 파일은 pretrained 된 것으로서, 이미 coco 데이터 세트 (80개의 object) 를 모두 학습해 놓은 모델이며, 즉 coco 데이터 세트를 학습할 때 Faster-RCNN 알고리즘으로 수행된 모델이라고 이해하면 될까요? 즉, Pretrained된 가중치 모델 파일이 Faster-RCNN을 지원한다는 것이 어떤 의미를 가지는지 궁금합니다. 해당 pretrained된 가중치 모델 파일과 환경 설정을 통해 생성한 inference 네트웍을 통해 object detection 수행 시에 RPN을 기반으로 객체 탐지를 하는 것인지 궁금합니다. 감사합니다.
a, b = plt.subplots(1,1, figsize=(10, 5)) sns.boxplot(df['year'], df['cnt']) 을 작성시 TypeError: boxplot() takes from 0 to 1 positional arguments but 2 were given 이라고 나오네요. sns.boxplot(x=df['year'], y=df['cnt']) 으로 해야 강의영상 그래프처럼 표시가 됩니다.
안녕하세요 일전에 공지해주신 아래 파일에서 에러가 나는데 수정 좀 부탁 드립니다. 1강_TF2_Detection_Model_ZOO_example_fasterrcnn_pedestrian_dataset_2022_11_11.ipynb https://colab.research.google.com/drive/1LIMGUFJtCWw3gdgWh3T2aorR4AwogyPS?usp=sharing 죄송합니만 개인 사정상 다소 급하오니 선처 부탁드립니다!
안녕하세요 .교수님 제가 지금 faster rcnn를 코랩 환경 말고 vscode로 구현할려고 합니다. 그런데 강의 대로 하고 있는데 mmdet의 모듈이 불러오지를 못합니다. 파이썬 버전을 3.8에서 3.10해보고 torch랑 환경을 강의대로 했는데 에러가 뜹니다. vscode로는 작동이 안 되는 이유를 알고 싶고, 어떻게 해야 하는지를 알고 싶습니다.
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요. 강의 잘 듣고 있습니다! 라벨링 부터 시작하고 있는 학생입니다. 라벨링을 진행중에 문득 어떻게 해야되는지 몰라서 질문을 남기게 됐습니다. 라벨링 진행시 중복 이미지는 삭제 하는게 좋다고 알고 있습니다. 혹시 아래와 사진과 같은 경우가 발생할 때는 어떻게 하는게 좋을까요? 첫 번째 줄 사진은 먼저 모든 물체에 라벨링을 진행. 이후에 사진에서 달라진 부재만 라벨링 진행. 두 번째 줄 사진은 먼저 모든 물체에 라벨링 진행, 이후에 달라진 부분과 이전에 진행한 물체에 라벨링을 똑같이 진행. 답변 부탁드립니다!!
안녕하세요, 강사님. 몇 가지 질문이 있어 조심스레 여쭤봅니다. 1. mm_mask_rcnn_train_balloon를 커스텀 데이터 세트로 돌리고 있는데 아래 코드에서 validate=False로 설정하면 문제가 없이 작동하는데 True로 하면 36에포크로 설정을 해줬는데 12에포크까지만 돌고 검증이돼서 결과값이 나오고 세션이 종료됩니다 어떤 문제를 해결해줘야할까요,,? # epochs는 config의 runner 파라미터로 지정됨. 기본 12회 train_detector(model, datasets, cfg, distributed=False, validate=True) 강의에서 제공되는 코드는 test set이 아닌 validation set으로 성능 검증을 하는 건가요? 아래 나오는 AP와 AR 값 말고 각 클래스 별로 precision 과 recall값도 확인할 수 있나요?
class로 모델 만드는 설명 해주실 때, linear layer 예제 알려주실 때, 파라미터로 등록하려면 nn.Parameter()로 감싸주라고 하셨는데요, 이후의 코드들을 보면 따로 감싸주는 모습이 안보여서요. 파라미터로 등록할 때 명시적으로 필요 없는 경우가 있는 건지요? 감사합니다.
안녕하세요. 계속해서 jupyter를 통해 mmdetection을 설치하려고 하는데 error가 발생하여 문의드립니다. 버전은 2.x로 다운그레이드하여 설치후 진행 중입니다. [1] 현재 torch version은 1.12.0, cuda version은 113으로 torch 버전을 변경하여 사용하려고 합니다. 아래 링크로 들어가면 설치가 가능한 걸로 이해를 했습니다. https://download.openmmlab.com/mmcv/dist/cu113/torch1.12.0/index.html 따라서 명령어 : python -m pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12.0/index.html 를 실행하여 진행하는데 위의 검정 화면과 같은 에러가 뜹니다. 파이썬이 여러 버전 설치되어 있을 경우의 해결책을 사용하여 명령어를 입력하였는데도 오류가 뜹니다. [2] jupyter에서 코드 실행시 ModuleNotFoundError: No module named 'mmcv._ext' 오류가 납니다. 버전이 안 맞아서 생기는 오류 같은데, [1]이 근본적으로 설치가 안되어서 그러는건지, 아니면 다른 이슈인지 모르겠습니다. 감사합니다.
예제로 배우는 딥러닝 자연어 처리 입문 NLP with TensorFlow - RNN부터 BERT까지
colab에서 from nltk.lm.preprocessing import pad_both_ends from nltk.lm.preprocessing import flatten 이 두개가 import가 되지 않는데 해결방법이 있을까요? ImportError: cannot import name 'Sequence' from 'collections' (/usr/lib/python3.10/collections/__init__.py)
craft에서 여러글자를 하나의 단어로 인식하는것이 맞는 것인가요 번호판 커스텀 데이터를 보면 bbox 와 하나의 라벨링이 있는데 해당 라벨링에 여러 단어가 들어가있습니다. 그래서 추측하기에 원래 기본적으로 하나의 단에 하나의 bbox가 있는것인데 이번 강의에서 여러 단어를 하나의 단어로 인식하는 방식이 맞는 것인지 궁금합니다. 아니면 라벨링은 무시하는 데이터 입니까? 아니면 craft가 문자 인식에 탁월한 detection model이지만, 이를 글자가 아니라 애초에 번호판 박스를 인식하는데에 쓰는 것인가요? 그리고 해당 bbox를 통해 전체 이미지중 해당 되는 img를 잘라서 crnn이 받아서 글자를 recognize 하는 것이 맞는것 인지 궁금합니다
