HAMA 블로그

The network defines the entire model bottom-to-top from input data to loss. As data and derivatives flow through the network in the forward and backward passes Caffe stores, communicates, and manipulates the information as blobs: the blob is the standard array and unified memory interface for the framework. The layer comes next as the foundation of both model and computation. The net follows as ..

하나의 서버에 2개의 무들을 Bitnami 패키지를 이용하여 설치하면 문제가 생깁니다.문제는 포트충돌 과 고유이름 충돌 때문인데하나의 포트가 80 , 443 , 3306 이면 하나는 8080,444,3307 로 바꿔야합니다. 변경 위치는 첫째. properties.ini 파일에서 포트와 mysql_unique_service_name 와 apache_unique_service_name 의 이름을 바꾸어 주어야하며 둘째. Bitnami\moodle-2.9.4-0\apache2\conf\bitnami\bitnami.conf 에서각종 포트번호를 바꾸어 주어야합니다. 이 놈을 안바꿔서 굉장히 고생했네요 ;;

시나리오 1 질문 : 이게 머하는건지 문서를 봐도 찾지를 못하겠어. 좀 알려주라 ㅠㅠ나는 지금 이전에 나의 이미지데이터를 학습시킨 모델을 예측을 위해 사용하려고 하고 있어. 모델을 만들때 ImageNet 코드을 템플릿으로 차용했었고''' 내가 말할수 있는건 , 예측을 하기 위한 유일한 방법은 wraper.py 를 사용하는것인데, 그건 ilsvrc_2012_mean.npy 파일을 참조한다는거지. 알다시피 이건 명백히 imagenet mean 을 포함한 numpy 파일이란건데 , 생각컨데 이미지넷 데이터셋을 위해 미리 계산시켜 놓은 파일일 꺼잖아. 근데 내 데이터를 위해 내가 가지고있는 유일한 mean 파일은 imagenet_mean.binaryproto 야. make_imagenet_mean.sh 를 통해..

Ubuntu + CUDA + CAFFE 설치 (2016 년 3월 05일 정리) *환경 - Ubuntu 14.04 데스크탑 (x64) - NVIDIA GTX 980 - 기가바이트 H170-GAMING 3 - Intel i5-6600 cpu @ 3.30GHz (core 4) * 특이사항 - 듀얼 모니터 인식을 못하더라~ - Ubuntu 내의 소프트웨어 업그레이드에서 그래픽카드 바꾸면 맛가기도 함. - 앞으론 Ubuntu 서버로 깔거나 Docker 를 잘 활용하자. * 본 포스트 특이사항 - 외부에서 접근해서 사용하기 위한 내용들이 포함됨. 1. Ubuntu (14. 04 ) / Samba / 그래픽 드라이버 설치 * Ubuntu 14.04 를 usb 부팅으로 만들어서 설치함. 1.1 한글입력도구(키보드 등)..

http://www.deeplearningbook.org/ Table of ContentsAcknowledgementsNotation1 IntroductionPart I: Applied Math and Machine Learning Basics2 Linear Algebra3 Probability and Information Theory4 Numerical Computation5 Machine Learning BasicsPart II: Modern Practical Deep Networks6 Deep Feedforward Networks7 Regularization8 Optimization for Training Deep Models9 Convolutional Networks10 Sequence Model..

https://cmusatyalab.github.io/openface/딥러닝을 이용한 얼굴인식기

http://docs.opencv.org/3.1.0/d7/d8b/tutorial_py_face_detection.html#gsc.tab=0 번역 목적 이 세션에서는 얼굴 탐지의 기본을 살펴볼것입니다. ( Haar Feature-based Cascade 분류기를 통한) 눈 탐지 등 다양한 탐지를 위한 확장에 대해서도 알아볼것입니다.기본 Haar feature-based cascade 분류기를 이용한 객체 탐지는 Paul Viola 와 Michael Jones 의 논문 ( "간단한 피처의 Boosted Cascade 를 이용한 빠른 객체 탐지" - 2001년) 에서 제안된 매우 효율적인 객체 탐지 방법이다. 많은 수의 옳고 그른 이미지들로 부터 학습된 cascade function 에 의한 접근 기반의 머신..

http://www.pyimagesearch.com/2015/11/16/hog-detectmultiscale-parameters-explained/ 번역 HOG detectMultiScale 파라미터 설명 Figure 2: On my system, it takes approximately 0.09s to process a single image using the default parameters. img (required)이 파라미터는 꽤 명쾌한데 - 우리가 탐지하고 싶은 객체를 가지고 있는 이미지이다. (사진에서는 사람) . 이것은 detectMultiScale 함수에 무조건 들어가야하는 인자이다. 색상을 가지고 있거나 그레이 스케일 이미지이면 된다.hitThreshold (optional) hitTh..

https://chrisjmccormick.wordpress.com/2013/05/09/hog-person-detector-tutorial/ 번역 HOG PERSON DETECTOR TUTORIALMay 9, 2013· by Chris McCormick· in Tutorials.·가장 인기있고 성공적인 "사람 탐지기" 중 하나가 SVM 접근을 이용한 HOG 이다. 내가 2013년 4월에 임베디드 비전 서밋에 참가했었을때, 그것은 내가 들은 가장 일반적인 알고리즘이었다.HOG 는 경사지향 히스토그램 (Histograms of Oriented Gradients ) 이고, HOG 는 피쳐 기술자 (feature descriptor ) 의 한 타입이다. 피쳐 기술자의 의도는 동일한 객체 (이 경우에는 사람) 들..

* An 0nline Algorithm for Segmenting Time Series (Eamonn Keogh 교수) * Experiencing SAX: a Novel Symbolic Representation of Time Series (Eamonn Keogh 교수) * Real-Time Segmenting Time Series Data * 시계열 데이터로부터의 경향성 기반 순차패턴 탐색 * HMM 과 Viterbi training 을 알아보자 * http://stackoverflow.com/questions/11752727/pattern-recognition-in-time-series * http://cs.gmu.edu/~jessica/publications/astronomy11.pdf * Auto..