활연개랑

bash: /home/유저이름/.local/bin/tensorboard: No such file or directory tensorboard를 사용하기 위해 tensorboard --logdir log 를 사용하면, 다음과 같은 오류가 났습니다.. 위 오류는 tensorflow 버전과 tensorboard 버전이 충돌하는 경우 생길 수 있습니다. 따라서 pip list 를 통해 tensorflow와 tensorboard의 버전을 확인해보시고, 만약 버전이 다르다면 하나를 uninstall 시켜주신 후 버전에 맞추어서 install 해주면 오류를 해결할 수 있습니다.

classification 딥러닝을 training 시키려는데 다음과 같은 오류가 발생하였습니다. ValueError: Shapes (5,) and (5, 5) are incompatible 저한테 오류가 났던 이유는 Accuracy 측정용으로 아래와 같이 SparseCategoricalAccuracy를 사용하였는데, tf.keras.metrics.SparseCategoricalAccuracy() loss로는 그냥 categorical cross entropy를 사용했기 때문이었습니다. 따라서 loss를 아래와 같이 SparseCategoricalCrossentropy를 사용해주면, 오류를 해결할 수 있습니다. tf.keras.losses.SparseCategoricalCrossentropy(from_l..

numpy array로 되어있는 이미지에 다짜고짜 astype을 써버리면 이미지를 강제로 타입 변경 해버리는 것이기 때문에, 이미지에 손실이 있을 수 있습니다. 따라서 dtype을 변경하고 싶을 때에는 해당 이미지 타입에 맞는 계산법에 따라 계산해준 후 type을 변경해 주어야 합니다. 원본 이미지의 dtype이 float64일 경우, 이미지를 normalize해준 후 255로 곱해주면서 uint8에 맞는 값을 갖도록 합니다. 그 후에 astype으로 타입변경을 하시면 이미지 손상을 최소화하며 타입변경이 가능합니다. 또한 다시 되돌릴 경우에는 전에 해준 방법을 그대로 되돌리는 계산과 타입변경을 해주시면 됩니다. 코드는 float64 to unit8의 예시입니다. min_or = img.min() max_..

PSNR (Peak Signal-to-Noise Ratio) : 최대 신호에서의 잡음 비율 - 사용 목적: 생성 혹은 압축된 영상의 화질에 대한 손실 정보를 평가 - 의미: 손실이 적을 수록 높은 값을 갖는다. (화질이 좋을수록 높은 값) - * 무손실 영상의 경우, MSE가 0이 되기 때문에 PSNR을 정의할 수 없다. - *값이 높게 나와도 사람의 눈으로 보았을 때는 PSNR이 더 작게 나온 영상이 화질이 더 좋아 보일 수도 있다.

gaussian은 distribution을 확인했을 때 중심을 기준으로 대칭을 이룬다. 따라서 gaussian filter의 kernel 예시를 확인하면 중심을 기준으로 더 큰 weight를 갖고 있으며, 중심에서 멀어질수록 weight가 감소하는 것을 볼 수 있다. # Mean filter 과 Gaussian filter의 차이점 Gaussian filter는 중심에서부터 멀어질수록 weight를 감소시키기 때문에 픽셀간의 변화가 부드럽지만, Mean fillter의 경우에는 해당 주위 신호의 평균으로 대체하기 때문에 급격한 변화가 발생한다. (이를 frequency 관점에서 모든 high frequency components를 제거하지 못했다고 볼 수 있다.) ex. 흑,백이 양쪽으로 존재하는 영역에..

Input 0 of layer "conv2d" is incompatible with the layer: expected min_ndim=4, found ndim=2. Full shape received: inference 를 하는 과정에서 predict 값을 구하기 위해 model에 x값을 넣어주었을 때 다음과 같은 오류가 발생하였습니다. x의 shape은 (300,400)이었으나, model로 들어갈 때 (batch, width,height, channel)형태로 들어가 주어야 하기 때문입니다. t_x = t_x.reshape(1, t_x.shape[0], t_x.shape[1], 1) pred = model(t_x) 위와 같이 reshape을 해주면 잘 들어갑니다!

tf.numpy_function을 사용할 때 dim 관련 오류가 날 수 있습니다. tf.numpy_function을 이미지에 사용할 경우 reshape이 필요하기 때문에 다음과 같이 reshape을 해주어야 합니다. image_shape = tf.shape(image) image = tf.numpy_function(definition(func), [image], tf.float32) image = tf.reshape(image, image_shape) 이렇게 reshape을 해주면 dimensipn오류를 해결할 수 있습니다.

model inference 과정에서 다음과 같은 오류가 발생했습니다. ValueError: Exception encountered when calling layer "epvs_conv" (type EPVS_CONV). Input 0 of layer "conv2d" is incompatible with the layer: expected min_ndim=4, found ndim=2. Full shape received: (300, 400) Call arguments received: • inputs=tf.Tensor(shape=(300, 400), dtype=float32) 다음과 같은 오류가 발생한 이유는 shape이 맞지 않아서 입니다. 제가 만든 모델에는 dimension이 4인 input (bat..