전체 글
-
parser로 폴더 만들어주기각종 사용법 2022. 2. 7. 01:19
1. parser.add_argument("--sample_path", type=str, help="path to the sample dataset") parser.add_argument("--ckpt_path", type=str, help="path to the ckpt dataset") 이후 args = parser.parse_args() 2. if not os.path.exists(f"./sample_folder/{args.sample_path}"): os.mkdir(f"./sample_folder/{args.sample_path}") if not os.path.exists(f"./ckpt_folder/{args.ckpt_path}"): os.mkdir(f"./ckpt_folder/{args.ckp..
-
-
우분투 하드디스크 마운트 하기각종 사용법 2022. 1. 29. 16:11
우분투 환경에서 8T 하드디스크 마운트 하는 법 입니다. 다시 켜도 자동으로 마운트 될 수 있도록 하는 세팅을 포함합니다. 연구실 서버에서 보통 1T ssd, 8T hdd를 사용한다고 가정하고, 8T hdd를 마운트 하는 법을 기술합니다. (윈도우와 달리 sata선만 꼽는다고 사용가능 x) 현재 상태는 hdd에 sata선, 전원선 다 꼽혀 있고 마운트만 안된 상태라고 가정합니다. 참고로, 2T이하/이상 하드디스크 마운트 하는 법이 각각 다릅니다. 2T 이하 마운트 : https://psychoria.tistory.com/521 1.하드 인식하기 #fdisk -l (쓸 수 있는 하드 보기 -> sda라는 하드 인식 확인) 2. 파티션 만들기 #parted /dev/sda (Parted상태가 될거임, 아래 ..
-
Context-Aware Layout to Image Generation with Enhanced Object Appearance논문리뷰 2022. 1. 13. 12:27
Introduction What is L2I? 본 논문은 L2I 방식으로 이미지를 생성하는 네트워크를 제안한다. L2I(Layout to Image)는 layout을 입력 받아서 해당 bounding box의 라벨들이 담긴 단일 이미지를 생성하는 모델이다. 기존의 L2I 네트워크들은 사실적인 이미지 생성에 있어 2가지 한계가 존재했고, 본 논문은 G, D에 각각 새로운 모듈을 하나씩 추가해줌으로써 본 문제점을 해결했다. 2 major limitations 첫 번째 문제점은 다음과 같다. -The object-to-object relations are often broken. (2열이 baseline, 3열이 proposed network임) 위 이미지의 (1, 2) 이미지를 보면, layout에 따라 생..
-
도커 사용법각종 사용법 2021. 12. 18. 01:13
220520 도커 터미널에서 에러 떴던 로그 latest 10줄 확인 docker logs --tail 10 -f gpu1 중요 220425 내 컨테이너의 사항들 커밋하기 sudo docker commit 203a sg2ada:latest 이후 컨테이너 재생성 sudo docker run -it --name gpu2 --shm-size=8G --gpus "device=2" -v /home/dongkyun:/workspace -v /mnt/hdd:/workspace/dataset sg2ada:latest bash 220428 도커 안끄고 빠져나가기 ctrl + P -> ctrl + q (도커 끄면서 빠져나가기 : exit) 도커 유저에 권한 부여 하기(sudo docker 안써도 됨) sudo usermo..
-
GANSpace: Discovering Interpretable GAN Controls 리뷰논문리뷰 2021. 11. 18. 16:15
1. Intro 본 논문은 Latent direction을 supervised learning 방식으로 찾는 방식이 아닌, latent space 상에서 PCA를 통해 attribute를 향한 direction을 찾는 방법을 제안했다. 또한 BigGAN StyleGAN처럼 layerwise한 input을 통해 style mixing을 비롯한 control이 가능토록 별도의 training 없이modify하는 아이디어를 제안한다. 본 논문은 별도의 학습을 필요로 하지 않고, 기존 학습된 GAN의 내용물을 PCA를 통해 direction을 찾는다. 2. Discovering GAN Controls 2.1 Background StyleGAN의 장점인 layer별로 다른 w가 들어가는 것을 style mixin..
-