반응형 [업무 방법론] 협업 도구 절대적인 정답이 아닌 방법중 하나입니다. 참고하여 본인들의 상황에 맞게 수정해서 사용하세요 Index 1. 협업 도구 2. Word 3. Google Docs 4. PowerPoint 5. Google Slides 6. Excel 7. Google SpreadSheet 8. Notion 9. Zoom 10. Discord Reference 1. 협업 도구 협업 도구 (문서) - 서류 형식으로 문서화를 하는데 필요한 도구 - Word, Google Docs (수치 정리) - 여러 수치 정리 및 그래프를 이용해 정리하기 위한 도구 - Excel, Google Sheets (발표 양식) - 발표를 위한 목적으로 사용되는 도구 - PowerPoint, Google Slides (복합 도구) - 여러가지 복합적인.. 2024. 1. 20. [업무 방법론] 회의 방식 절대적인 정답이 아닌 방법중 하나입니다. 참고하여 본인들의 상황에 맞게 수정해서 사용하세요. Index 1. 회의 방식 2. Google 회의 방식 3. Tesla 회의 방식 4. Amazon 회의 방식 5. Apple 회의 방식 6. Pixar 회의 방식 Reference 1. 회의 방식 회의 방식 - 회의는 나쁜 조직의 징후이다. 회의는 적을수록 좋다. - 피터드러커 - 분야별, 상황별 회의의 방식을 달라져야 함. - 회의가 왜 필요한지, 누구를 대상으로 하고 어떤 기대효과를 기대하는지 정해야함. - 이를 정하지 않으면 회의 주관자는 자신이 "수많은 회의와 의견조율을 통해 결론을 도출해내는 소통하는 리더"라는 착각에 빠지게 됨. 그리고 이러한 착각은 더 확고해져서 자신이 무의미한 회의를 하고 있다는 .. 2024. 1. 20. [GitHub] GitHub 메인 페이지 Index 1. GitHub 메인 페이지 생성 2. 2 3. 3 4. 4 5. 4Reference1. GitHub 메인 페이지 생성 1. GitHub 로그인후 New를 클릭하여 새로운 Repository 생성 2. Repository 생성 페이지 입력 후 Create repository 버튼 클릭- Repository name: 원격저장소 이름 지정(GitHub 메인 페이지로 사용시로 사용시 사용자명) - ex) cogito21g- Description: 저장소 상세설명- Public / Private: 공개 / 비공개 설정- Add a README.md: 체크시 자동으로 README.md 생성 (Local Repository 연동이 아닌 GitHub 페이지에서 편집시 체크) (선택). Remote R.. 2024. 1. 16. [GitHub] GitHub에서 Blog 만들기 Index 1. GitHub Blog 생성 2. HTML을 이용한 Page 편집 3. CSS를 이용하여 Page 꾸미기 4. Bootstrap을 이용하여 Page 꾸미기 5. Javascript를 이용하여 동적 페이지 만들기Reference1. GitHub Blog 생성 1. GitHub 로그인후 New를 클릭하여 새로운 Repository 생성 2. Repository 생성 페이지 입력 후 Create repository 버튼 클릭- Repository name: 원격저장소 이름 지정(github blog로 사용시 사용자명.github.io로 입력) - ex) cogito21g.github.io- Description: 저장소 상세설명- Public / Private: 공개/비공개 설정- Add .. 2024. 1. 16. [MMEngine] Tutorial - Dataset과 DataLoader - Pytorch의 Dataset과 DataLoader 클래스의 개념에서 기반 DataLoader - DataLoader는 MMEngine의 Runner에 3가지 형태의 인수로 구성됨 - train_dataloader: 모델에 학습 데이터를 제공할기 위해 Runner.train()를 사용 - val_dataloader: 일정한 간격으로 모델 평가를 위해 Runner.train() Runner.val()를 사용 - test_dataloader: 최종 평가때 Runner.test()를 사용 - PyTorch의 DataLoader를 지원. Registry Mechanism of MMEngine 덕분에 dict형태로 인자를 받아들임. - dict형태로 Runner 전달시 lazily built in runner.. 2024. 1. 14. [MMEngine] Tutorial - Runner Runner - MMEngine안의 integrator로 모든 module 및 framework를 책임짐. - Runner's API documentation Simple Example import torch import torch.nn as nn import torch.nn.functional as F from torch.utils.data import Dataset from mmengine.model import BaseModel from mmengine.evaluator import BaseMetric from mmengine.registry import MODELS, DATASETS, METRICS @MODELS.register_module() class MyAwesomeModel(BaseMode.. 2024. 1. 14. [MMEngine] 빠른 Tutorial Model 빌드 - MMEngine내에서 모델은 BaseModel을 상속 받음 - 입력값으로 forward 메서드는 mode라는 인자를 받아야함. - training에서 mode는 loss, forward 메서드는 loss키를 포함한 dict를 반환 - validation에서 mode는 predict, forward 메서드는 예측값과 label들을 반환 import torch.nn.functional as F import torchvision from mmengine.model import BaseModel class MMResNet50(BaseModel): def __init__(self): super().__init__() self.resnet = torchvision.models.resnet50().. 2024. 1. 14. [MMEngine] 환경 설정 1. 가상환경 실행 및 pytorch 설치 - conda 가상환경 실행 conda create -n mmlab python=3.9 conda activate mmlab - pytorch 설치 및 버전 확인 import torch print(f"torch version: {torch.__version__}") print(f"GPU: {torch.cuda.is_avalialble()}") 2. MMEngine 설치 및 확인 - MMEigine 설치 pip install --force-reinstall mmengine - MMEigine 설치 확인 import mmengine print(f"mmengine version: {mmengine.__version__}") 2024. 1. 14. [MMEngine] 개요 MMEngine - Pytorch를 기반으로 하는 deep learning models을 학습하기 위한 라이브러리 - Linux, Windows와 macOS를 지원함 MMEngine의 3가지 특징 1. 범용적이고 강력한 executor - 최소한의 코드로 복잡한 task 학습 가능 - timm, torchvision, detectorn2와 호환 가능 2. 통합된 인터페이스의 공개된 구조 - 통합된 API로 다른 작업에 적용 가능 - 높은 레벨의 추상화를 통해 다양한 장비를 지원(Nvidia CUDA, Mac MPS, AMD, MLU) 3. 학습 과정 Custmize 가능 - 레고 같이 모듈화된 training engine - 다양한 component 제공 - 다양한 level의 API들로 학습 과정 제어.. 2024. 1. 14. [MMDetection] Train & Test - Configs - MMDetection repositories는 MMEngine's config system을 이용 - Reference: https://mmdetection.readthedocs.io/en/latest/user_guides/config.html Model Config - backbone, neck과 같은 neural network 구성요소들과 data_preprocessor, train_cfg, test_cfg들이 요구됨. - data_preprocessor는 DataLoader에 의한 data output을 처리함. - train_cfg, test_cfg는 학습과 평가를 하는 hyperparameter를 훈련하고 테스트하기 위한 구성요소 # 모델 설정 model = dict( type="detect.. 2024. 1. 13. 이전 1 ··· 34 35 36 37 38 39 40 다음 반응형
