Scientific Computing & Data Science

Written by Geol Choi | Nov. 01, 2017 이번 포스팅에서는 웹캠으로부터 입력받은 영상을 TensorFlow Object Detection API와 연동하여 오브젝트를 감지하는 방법에 대해 알아보겠습니다. 지난 포스팅을 읽지 않았다면, 먼저 읽을 것을 권장하며, Python-OpenCV에 대한 간단한 지식도 필요합니다. TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 1. - 개발환경 설정TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 2. - 코드 설명 및 응용Python-OpenCV 개발환경 구축TensorFlow Object Detection API GitHub Page * 주의사항: 본 포..

Written by Geol Choi | Oct. 30, 2017 지난 포스팅에서 약속드린 바와 같이, TensorFlow의 Object Detection API의 예제 코드를 분석하고 응용 예제에 대한 설명을 드리겠습니다. 아래 코드 설명을 이해하려면 지난 포스팅에 소개드린 내용대로 코드를 우선 실행해 보시기를 권장합니다. * 본 튜토리얼을 시리즈로 진행되며, 각 링크는 다음과 같습니다:TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 1. - 개발환경 설정TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 2. - 코드 설명 및 응용TensorFlow Object Detection API를 이용한 다물체 인식하기 Part..

Written by Geol Choi | Oct. 21, 2017 이번 포스팅에서는 TensorFlow™(TF)의 시각화 도구인 TensorBoard를 이용하여 Computation Graph를 시각화하는 방법에 대하여 알아보도록 하겠습니다. 실행환경은 다음과 같습니다:OS: Windows 7 64-bitAnaconda: Python 3.6 (5.0.0)TensorFlow: r1.3R: 3.4.2 short summerRStudio: 1.0.136 필자의 실행환경은 위와 같지만, Windows가 아닌 다른 OS 환경에서도 동일한 방식으로 실행할 수 있으리라 예상됩니다. 본 튜토리얼은 딥러닝(Deep Learning;DL)에 대한 기본적인 개념을 이해하고 있으며, TensorFlow의 DL 구현에 대한 기..

Written by Geol Choi | Oct. 01, 2017 이번 포스팅에서는 R에서 GPU(CUDA)가 지원되는 TensorFlow 실행환경을 구축하는 방법에 대하여 알아보겠습니다. 수많은 삽질(?)을 한 끝에 알아낸 나름의 방법인데 정답인지는 모르겠습니다. 다만 이 방법으로 실행환경을 설정하면 확실히 R에서 GPU가 지원되는 TensorFlow를 활용할 수 있을 것입니다.설치환경Windows 7 OS 환경에서 설치방법을 설명하겠지만, Mac OS나 Linux 계열에서도 비슷한 방법으로 설치가 가능하리라 생각됩니다. 필자의 설치환경은 다음과 같습니다:OS: Windows 7 64bit그래픽스 카드: Nvidia GeForce GTC 750TiR: 3.4.2 (Short Summer) - 이 글을 ..

Written by Geol Choi | Sep. 14, 2017 지난 6월 Google Research Blog에 "Supercharge your Computer Vision models with the TensorFlow Object Detection API"라는 제목으로 상당히 흥미로운 아티클이 소개되었습니다. 요는, Google이 개발 중이던 In-house Object Detection System이 괄목할만한 결과를 얻었고 COCO Detection Challenge라는 사물인식 경진대회에서 1등을 먹었는데, 이 결과물을 TensorFlow Object Detection API를 제공하여 TensorFlow에서 사용할 수 있도록 하였다는 것입니다. 가장 중요한 것은, 단일 이미지 내에서 다중의..

Written by Geol Choi | Sep. 10, 2017 이번 포스팅에서는 TensorFlow를 이용한 Autoencoder 문제를 다루어 보도록 하겠습니다. TensorFlow에 대한 예제를 설명하기 위한 포스팅이므로 이론에 대한 자세한 설명은 생략하며 대략적인 이론적 개념만 짚고 넘어가겠습니다. 자세한 이론은 아래의 웹사이트, 블로그 및 논문을 참고하시면 많은 정보를 얻으실 수 있을 것입니다:Wikipedia - AutoencoderAutoencoders, Unsupervised Learning, and Deep ArchitecturesTutorial - What is variational autoencoder?UFLDL TutorialWikidocs - Introduction to Auto..

Written by Geol Choi | Aug. 30, 2017 최근 Continuum Anaconda가 4.4.0으로 강제(?) 업그레이드 되면서 그 동안 잘 돌아가던 GPU Support TensorFlow가 동작하지 않는 현상이 발생하였습니다 (물론 Anaconda 환경에서 CPU 기반 TensorFlow는 잘 동작하고 있습니다). Ananconda 4.4.0으로 업그레이드 후 기존에 해왔던대로, TensorFlow 공식 블로그의 "Installing TensorFlow on Windows"를 참고하여 Anaconda Prompt에서 다음 절차대로 GPU 지원 TensorFlow를 설치해 보았습니다. Installing with AnacondaThe Anaconda installation is c..

Written by Geol Choi | Aug. 2, 2017 TensorFlow를 이용한 학습을 통해 예측 모델을 생성한 후 추후 이 모델을 다시 사용하기 위해 결과를 저장할 필요가 있습니다. (저장하지 않는다면 매번 학습을 다시 해야하기 때문이죠! 이것은 분명 시간 낭비입니다.) 그래서 이번 포스팅에서는 학습이 완료된 결과 모델과 변수를 어떻게 저장하는지 그리고 저장된 결과를 어떻게 복구하는지 알아보는 시간을 갖도록 하겠습니다. 테스트 환경은 R이지만, Python도 (문법은 아주 약간 다르지만) 동일한 로직으로 동작하니 Python 문법으로 작성 시에도 참고하면 도움이 되리라 생각됩니다.→ 사실 R에서의 TensorFlow는 Python-TensorFlow의 인터페이스에 불과합니다. 그럼에도 R을..

Written by Geol Choi | Jul. 31, 2017 [목차]1. 필요한 패키지 로딩2. MNIST 데이터세트 임포트3. 학습 파라미터 정의4. 네트워크 파라미터 정의5. placeholder 변수 설정6. 네트워크 변수 정의 및 초기화7. 네트워크 모델 구성8. 손실함수와 옵티마이저 정의9. 변수 및 세션 초기화10. 학습11. 학습된 모델 평가12. 정확도 계산13. 결과 그래프 출력14. 전체 코드15. 맺음말 이번 포스팅에서는 MNIST 손글씨 숫자(Hand-written Digits) 데이터세트를 활용하여 TensorFlow에서 Multilayer Perceptron(MLP) 또는 Feedforward Neural Networks를 구현하는 방법에 대해 알아보도록 하겠습니다. MLP..

Written by Geol Choi | Jul. 15, 2017 이번 포스팅에서는 회선신경망(Convolutional Neural Network; CNN)을 이용하여 손글씨 숫자를 학습시키는 코드를 Pytnon과 R 각각에 대하여 TensorFlow에서 어떻게 구현할 수 있는지 알아보도록 한다. [목차] 1. Python-TensorFlow 2. R-TensorFlow 2.1. 라이브러리 패키지 불러오기 2.2. 입력 데이터 준비 2.3. 파라미터 정의 2.4. weights & biases 변수 정의 2.5. placeholder 변수 정의 2.6. conv2d 함수 정의 2.7. maxpool2d 함수 정의 2.8. conv_net 함수 정의 2.9. 모델 세우기 2.10. 손실함수 및 Optimi..