tomivvon

ImageNet Classification with Deep Convolutional Neural Networks, NIPS 2012 잘 알려진 CNN network들은 다음과 같은 순서로 발전이 되어 왔습니다. 그중 AlexNet의 경우는 2012년 lLSVRC라는 챌린지에서 우승을 했습니다. AlexNet을 기점으로 deep neural network가 개발되기 시작했고, 이후에 ZFNet, VGG, GoogleNet, Restnet 으로 넘어오면서 layer가 152개가 쌓일 정도로 deep natework를 만들었습니다. 그래서 더 복잡한 high level 시멘틱스를 인코딩 할 수 있는 네트워크가 만들어 지게 됩니다! A very simple CNN architecture introduced b..

dir 구조 📁 data camseq_dataset.py dataset_test.ipynb test.ipynb 📁 models seg_model 📁 utils color_utils.py train_utils.py main.py color_utils.py import numpy as np color_map = { 0 : (64, 128, 64), 1 : (192, 0, 128), 2 : (0, 128, 192), 3 : (0, 128, 64), 4 : (128, 0, 0), 5 : (64, 0 ,128), 6 : (64, 0, 192), 7 : (192, 128, 64), 8 :(192, 192, 128), 9 :(64 ,64 ,128), 10 : (128, 0, 192), 11 :(192, 0, 64),..

import torch.nn as nn import torchvision import torch import torch.nn.functional as F from .modules import ConvBlock class SegModel(nn.Module): def __init__(self): super().__init__() self.channels = [64,128,256,512,512] #1/4 1/16 1/32 1/64 self.num_class = 31 self.resnet18 = torchvision.models.resnet18(pretrained=True) self.resnet18.avgpool = nn.Identity() #똑같이 나옴, weight가 없음 self.resnet18.fc = ..

dir 구조 📁 data camseq_dataset.py dataset_test.ipynb test.ipynb 📁 models seg_model 📁 utils color_utils.py train_utils.py main.py data dataset_test.ipynb from camseq_dataset improt CamSeqDatset import torch import torch.utils.data as data dataset = CamSeqDatset img, label = dataset.__getitem__(0) dataloader = data.DataLoader(dataset, batch_size=4, shuffle=True)#, num_workers=4 gpu 쓸떄) dataloader에 d..

data : cifar10 model : hot model → resnet model dir 구조 📁 data cifar10.py 📁 models hot_model.py resnet.py 📁 utils train_util.py main.py data cifar10.py import torch import numpy as np import torchvision from torch.utils.data import DataLoader def create_dataloader(batch_size): transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()]) train_cifar10_dataset = torchvision.datas..

의료 인공지능을 읽고 든 생각 정리 의료인공지능은 의사가 아니다. 의사는 ‘진단’을 내리는 사람이고, 의료 인공지능은 ‘진료’를 보조하는 역할이다. ​ 이 책에서 나온 여러 의학에 속하는 외과, 안과, 피부과, 영상의학과, 정신과 등 .. 실질적인 근거를 가지고 의료인공지능의 필요성에 대해서 말하니 그건 책을 보는 것이 더 좋다. 그리고 2018년도에 나온 책이어서 그간 더 많은 발전을 했을 거라 생각해 넘기듯이 봤다. 아무튼 실제 근거자료는 책에서 확인하도록.. ​ 나는 이 책을 크게 의료 인공지능이 진단을 하기 전과 임상적 효용을 증명해서 진단하게 되는 시점을 기준으로 나눠서 생각했다. ​ 의료 인공지능이 진단을 하기 전인 현재를 기준으로, 내 궁금증은 ‘의료 인공지능 보다 의사의 진단기준은 정확한가..

dataset이란? : 어떠한 AI model을 학습시키기 위해서 필요한 data들을 모아놓은 것 종류 pytorch에서 제공해주는 기본 dataset dataset(Img, label)이 '파일'을 받아서 직접 만드는 custom dataset pytorch에서 기본적으로 제공해주는 Dataset 만져보기 → CIFAR10 DATASET / Classificaiton Classifiaiton : Image 한 장을 보고 이 Image가 어떤 사진인지 확인하는 task import torch import torchvision import numpy as np torch.__version__,np.__version__ cifar10 = torchvision.datasets.CIFAR10(root='.',t..

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.