C++ 환경에서 TensorRT network 불러오는 과정에서 다음과 같은 에러가 발생. 1: [stdArchiveReader.cpp::nvinfer1::rt::StdArchiveReader::StdArchiveReader::32] Error Code 1: Serialization (Serialization assertion magicTagRead == kMAGIC_TAG failed.Magic tag does not match) 4: [runtime.cpp::nvinfer1::Runtime::deserializeCudaEngine::66] Error Code 4: Internal Error (Engine deserialization failed.) CUDA, Onnx Model, TensorRT 버전..

학습 시 Multi GPU 사용을 위해 nn.DataParallel을 사용.# ...model = nn.DataParallel(model)# ...  2개의 GPU에서 학습한 모델을 불러올때 아래와 같은 에러가 발생.pytorch RuntimeError: Error(s) in loading state_dict for XXX  nn.DataParallel로 병렬화 하면서 state_dict 키값에 'module.'이 붙으면서 맞지 않아서 발생하는 오류라고 한다. 학습 완료 후, 모델 추론 시 아래와 같은 방법으로 해결.from collections import OrderedDictmodel = MyModel().to(device)state_dict = torch.load('XXX.pth')new_state..

2023.07.21 - [DeepLearning/YOLO] - [YOLOv8] YOLOv8 install windows 10 [YOLOv8] YOLOv8 install windows 10 YOLOv8 설치 정리 https://github.com/ultralytics/ultralytics GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite - GitHub - ultralytics/ultra wjs7347.tistory.com 2023.07.21 - [DeepLearning/YOL..

tensor to numpy output_tensor = model(data) output_tensor = output_tensor.cpu() # tensor to numpy output_tensor = torch.squeeze(output_tensor[0]) output_numpy = output_tensor.numpy() ## if output_tensor.requires_grad==True # output_numpy = output_tensor.detach().numpy() numpy to PIL Image from torchvision import transforms # numpy to PIL Image output_image = transforms.ToPILImage()(output_numpy)

VGGNet VGGNet 연구팀은 망의 깊이가 깊을 수록 model의 성능에 어떤 영향을 끼치는지 연구. 5x5 Conv를 한번 하는것 보다, 3x3 Conv를 두번 하는것이 망의 깊이가 깊어지고, parameter 수도 적어짐. VGGNet은 모든 Convolution filter size를 3x3으로 고정해서 사용. Pytorch Code import torch import torch.nn as nn def CBR2d(in_channels, out_channels, _kernal_size, _stride, _padding): return nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=_kernal_size, stride=_stride..

Pytorch를 사용해서 학습을 할 때, 보통 다음과 같이 구성한다. #......... for epoch in range(0, epoch_num): for data, label in data_loader: model.train()### train setting output = model(data) ### # 학습 과정... ### model.eval()### evaluation setting with torch.no_grad(): ### # 평가 과정... ### #......... 위 코드에서 model.train()은 train 할 때, model.eval()은 evaluation(평가, val_loss 계산) 할 때 앞서 실행한다고 알고 있다. 정확히 무슨 동작을 하는 것인가... Pytorch ..