AI126 [AI 부트캠프] DAY 129 - 파이널 프로젝트 20 [오늘의 일지] 프로젝트 - 로컬에서 gpu 재설정 [상세 내용] 로컬에서 gpu 재설정 재설정 계기 - 지난 일지 중에서 로컬에서 gpu를 설정하는 방법에 대해서 정리한 적이 있습니다. 그런데 gpu를 이용해서 YOLOv8 모델을 돌리던 중에 업데이트 관련으로 경고 메시지가 뜬다는 것을 확인하게 되었습니다. 저는 지난 일지에서 온라인 후기에서 많은 사람들이 문제없이 사용하고 있는 cuda 버전을 선택해서 사용했는데 해당 cuda 버전이 오래된 버전이다 보니까 최신 torch 버전으로는 업데이트가 안 되는 버전이라는 것을 알게 되어서 다시 새로운 버전을 선택해서 업데이트를 하게 되었습니다. 지난 gpu 설정 정리는 아래의 링크로 남겨두겠습니다. [AI 부트캠프] DAY 123 - 파이널 프로젝트 14 [.. 2024. 1. 24. [AI 부트캠프] DAY 128 - 파이널 프로젝트 19 [오늘의 일지] 프로젝트 - YOLOv8 성능 정리 [상세 내용] YOLOv8 성능 정리 - 지난주에 YOLOv8 모델의 성능을 확인해 보고자 몇 가지 실험을 했습니다. 그런데 따로 문서를 찾아보니 제가 속도를 중요시하며 실험을 했던 것보다 더 중요하게 봐야 할 부분이 있었습니다. 그 부분에 대해서 다시 정리하겠습니다. 이미지 사이즈와 성능 - 지난주에는 이미지 사이즈가 클수록 속도가 느리다고 정리했던 기억이 납니다. 이 부분이 크게 잘못되었다고 생각은 안 하지만 정정하자면 이미지 사이즈가 클수록 gpu의 vram을 많이 할당한다는 사실을 알게 되었습니다. 그러니 따지고 보면 gpu가 많은 vram을 할다하고 있다는 것은 속도면에서 조금 느려질 수 있다는 것이라고 판단했습니다. 지난주 결과는 링크로 남겨.. 2024. 1. 23. [AI 부트캠프] DAY 127 - 파이널 프로젝트 18 [오늘의 일지] 프로젝트 - YOLOv8 모델 성능 비교 [상세 내용] YOLOv8 모델 성능 비교 - 오늘의 실험 주제는 YOLOv8 모델의 n, s, m, l , x로 가벼운 모델인 n부터 시작해서 무거운 모델인 x까지의 모델의 성능을 비교해 보려고 했습니다. 모델의 알파벳의 의미는 n은 nano, s는 small, m은 middle, l은 large, x는 xlarge를 뜻합니다. 사실 이번 주제는 실제로 ultralytics 홈페이지 문서에 가보면 나와있듯이 각 모델의 성능비교는 잘 정리되어 있는 것으로 확인했습니다. 그러나 직접 모델을 돌려보면서 진짜 그런지에 대해서 평가해 보면 좋을 거 같아서 이번 실험을 진행게 되었습니다. YOLOv8 실시간 물체 감지기의 최신 버전인 YOLOv8 의 놀라운.. 2024. 1. 20. [AI 부트캠프] DAY 126 - 파이널 프로젝트 17 [오늘의 일지] 프로젝트 - 학습 모델 성능 비교 [상세 내용] 학습 모델 성능 비교 - 우선 더 좋은 gpu 환경인 원격 서버에서 돌리기 전에 로컬 환경에서 소수의 데이터로 학습을 돌려보는 과정을 진행해 보았습니다. 클래스는 단일 클래스로서 이미지를 resize 하는 기능을 통해서 데이터를 덜 사용하는 방향으로 실험을 진행했습니다. 학습 배경 스펙 - 빠르게 학습을 돌려보기 위해서 colab 환경의 T4와 V100 gpu를 선택하였습니다. YOLOv8 모델 자체가 디폴트값이 gpu 환경을 되어 있었기 때문에 컴퓨팅 단위가 A100보다는 적게 사용되는 T4를 사용하다가 너무 느려서 V100으로 교체해서 학습을 돌려보았습니다. resize 실험 - 이번 실험의 다른 조건은 모두 동일한 환경에서 진행했습니다.. 2024. 1. 19. 이전 1 2 3 4 5 6 7 ··· 32 다음 반응형
