안녕하십니까,
이전 공지에서 구글 코랩에서 tensorflow 2.3 이하 버전으로 downgrade시 keras(tf.keras아니고, 원래 keras)의 문제가 발생함을 말씀 드렸습니다.
해당 사항은 Bug로 등록은 되어 있지만, 현재 구글 코랩 측에서는 해당 keras버전과 호환되는 tensorflow version(즉 2.4이상)을 셋업할 것을 권장하는 메시지만 남기고 이후 진행 사항이 없습니다.
개인적인 경험으로 판단컨데 해당 오류에 대한 해결이 생각보다 오래 걸릴것으로 예상되며 이로 인해 코랩을 실습 환경으로 사용하시는 분들의 실습 수강 공백이 있을 것으로 판단됩니다.
이에 본 강의의 개정판을 미리 순차적으로 release하여 실습 환경의 공백을 최소화 하기로 결정했습니다.
개정판은 기존 강의에서 거의 80% 정도가 새롭게 만들어 질것이며, 기존 강의 보다 더욱 추가된 강의들을 소개 드릴 것입니다. 주로 아래와 같은 사항에 중점을 두었습니다.
1. 그동안 수강생 분들의 질문이 많은 부분에 대해 보다 자세한 이론 설명
2. 최신/최고의 성능을 가진 Object Detection/Segmentation 패키지 기반의 실습
3. Object Detection/Segmentation의 최신 트렌드 반영
4. 보다 다양하고 확장성있는 그리고 유연한 실습 코드의 작성과 더욱 상세한 설명.
5. 기타 다양한 추가 강의
6. 구글 클라우드에서 GPU할당이 어려워 짐에 따른 구글 코랩 환경 기반 실습을 위주
이전부터 Tensorflow 1.x대로 구현된 본 강의의 패키지를 탈피하기 위해 많은 시간을 투자해서 여러 패키지들을 테스트 해보았습니다. 테스트 결과 OpenMMLab의 MMDetection과 Ultralytics의 Yolo v3 패키지를 실습을 위한 패키지로 선정하고, 현재 실습 강의를 제작 중에 있습니다.
아시는 분은 잘 아시겠지만, 현재(2021년 5월 기준) MMDetection과 Ultralytics의 Yolo 패키지는 Object Detection 분야에서 가장 인정받고 있는 패키지들 입니다. MMDetection은 Kaggle의 winning 솔루션으로도 불리면서 다양한 최신의 알고리즘을 구현함과 동시에 뛰어난 성능으로 인정 받고 있습니다. Ultralytics의 Yolo는 yolo v5로 작년에 이쪽 세계(?)를 떠들썩하게 만든 장본인 입니다. 실습은 yolov3로 하지만, yolov5의 경우 interface가 v3와 거의 동일하므로 큰 변경없이 yolo v5를 적용할 수도 있습니다.
한가지 아쉬운점은 이 두 패키지 모두 pytorch기반입니다. 하지만 현재 강의가 tensorflow, keras를 기본적으로 아시는 분을 대상으로 하였기 때문에 개정판 강의는 pytorch 코드는 거의 없거나 있어도 극히 일부분에 존재합니다. 현 강의와의 연계성 그리고 강의 제작 시간을 줄이기 위해서 많은 시간을 투자해서 Tensorflow 2.x 기반의 Object Detection/Segmentation 패키지들을 테스트 해보았지만, 아직은 MMDetection과 Ultralytics Yolo의 장점에 미치지 못하고 있음을 인정할 수 밖에 없을 것 같습니다
원래 개정판 계획은 7월 중순에 일괄 오픈할 예정이었습니다. 하지만 현 강의의 코랩 실습 환경에 이슈가 있기에 강의 작성이 완료된 실습 강의 영상부터 올릴 계획이며, 아마 다음 주 월요일 부터 하루에 2~3개씩 올리도록 하겠습니다. 그리고 제가 가능한 모든 시간을 동원해서 6월 말까지 모든 강의를 개정판으로 Update할 수 있도록 하겠습니다. 단언컨데 현 강의 보다 더 뛰어나고, 더 상세한 실습 강의로 구성이 되어 있습니다.
자세한 개정판 강의 update일정은 다음주 월요일 이전에 다시 공지해 드릴 것입니다. 개정판은 수강료가 인상될 예정이지만, 기존 수강생 분들은 당연히 영향이 없습니다. 제 강의를 사랑해 주신 수강생 여러분께 다시 한번 감사드리며, 실습 공백을 최소화 하기 위해서 신속한 일정으로 작업을 진행하도록 하겠습니다.
본 개정판 순차 Release와 관련해서 질문이 있으신 분은 언제든지 질문을 남겨 주십시요.
감사합니다.
