Tech/Machine Learning (4) 썸네일형 리스트형 Dlib Face Recognition에서 CUDA 가속하기 Face recognition 오픈소스 : https://github.com/ageitgey/face_recognition Dlib을 이용하여 구현하였고, CPU와 GPU를 둘다 지원한다. GPU 가속을 사용하기 위해서는 Dlib 빌드시에 GPU 옵션을 주고 해야한다. 1. Dlib을 git에서 다운로드 받는다 git clone https://github.com/davisking/dlib.git 2. 아래 명령어를 실행해서 Dlib을 빌드한다. cd dlib mkdir build; cd build; cmake .. -DDLIB_USE_CUDA=1 -DUSE_AVX_INSTRUCTIONS=1; cmake --build . -- Using CMake version: 3.5.1 -- Compiling dlib.. pix2pix (2) - 데이터 학습 및 테스트 https://github.com/affinelayer/pix2pix-tensorflow위의 소스를 활용하였다. 학습환경 - OS : Ubuntu 16.0.4 - Python 3.6, Tensorflow 1.4.1 - GPU : Geforce 1080Ti 기본 설정이 되어있는데로 학습시켰으며 200 epoch 학습시켰다.논문에도 나와 있지만 별도의 parameter tweak 없이도 잘 돌아간다고 하니 건드릴게 없었다아래는 tensorboard를 통해 확인가능한 중간결과물이다. 물론 트레이닝셋 표본 안에서 돌린것이니 잘나왔다고 생각할 수 있겠다.다음은 실제 드로잉 이미지로 테스트해보자아래 사진에서 오른쪽 이미지는 인터넷에서 누군가 그린 펜더 이미지이다.그냥 팬더에 가까운 사진은 꽤 그럴사 하지 않은가?쿵.. pix2pix (1) - 데이터 준비 1.데이터 준비고래, 고양이, 공룡 등 여러가지 동물 데이터셋을 수집하였다.각각 500~700장 가량 수준이 모였다. 2. Training Set 준비 (전처리)pix2pix를 학습시키기 위해서는 아래와 같은 이미지를 준비해야 한다좌측이 입력이미지, 우측이 출력이미지가 된다.이러한 이미지를 학습시키면 트레이닝이 끝난 후 왼쪽과 같은 스타일의 이미지를 입력했을때우측과 같은 이미지를 만들어 낸다왼쪽의 이미지는 꼭 스케치한 형태가 아니어도 된다. 아래 이미지처럼 좌측 이미지의 형태를 우측으로 바꾸는데 적용할 수 있다.다른 것도 그렇지만 흑백이미지를 컬러로 변환하는 것도 눈길을 끈다.다시 고양이로 돌아가서 스케치한 이미지와 고양이 이미지를 준비할때 개인적인 생각으로 고양이를 사람이 직접 그린것을 쌍으로 준비하면.. [추천시스템] 딥 오토인코더 추천시스템 논문 번역 : Training Deep AutoEncoders for Collaborative Filtering 요약a) Deep AutoEncoder가 얕은 형태의 모델보다 훨씬 잘 동작함b) 비선형 activation Function과 Negative parts 가 딥모델을 학습시키는데 결정적이었음c) Overfitting을 방지하기 위해 Dropout과 같은 정규화 사용이 필요했음CF모델의 Sparseness를 해결하기 위한 반복적이고 re-feeding에 기반한 새로운 트레이닝 알고리즘을 제안함1. 서론추천시스템은 Context-based와 개인화 추천으로 나눌 수 있음Context-based : 위치, 날짜, 시간 등 상황에 기반한 추천개인화 추천은 일반적으로 CF를 이용하여 유저에게 아이템을 추천함유저의 선호도는 다른 사용자의 선호도에 기반하여 이루어지고 유저와 다른 유저간의 '유사성'을 기반으로 한 명.. 이전 1 다음