현재 문제점
강의 내 모델 → tensorflow 로 구현됨 = .weight 필요
현재 구현된 모델 → pytorch 로 구현됨 = .pt 형식
해결 방안
현재 상황은 구글 드라이브에 .pt 형식의 가중치 파일 존재
- 가중치 파일 형식 선택 (.weight / .pt )
- 구글 드라이브와 연동하여 모델 불러오기 / 파일을 서버에 업로드 및 서버에서 모델 작성
1.
tensorflow 형식 모델로 다시 학습하여, .weight 형식으로 가중치 추출
2.
node.js 사용하여 서버 구축 및 .pt 형식 가중치 업로드
3.
Teachable Machine 및 node.js 사용하여 서버 구축 및 구글 드라이브 사용
4.
node.js의 pip i yolov5 사용해서 커스텀하여 사용 (Tensorflow.js 사용)
대충 찾아보니까 웹 상에 yolo 올린 경우는 대부분 .weight 파일 사용했음,,
참고 사이트
따라서, Tensorflow로 구현된 Yolo 사용하겠음,,,
→ 그러려면 Yolov3 사용해야 할지도? (웹에 구현한 예제 전부 v3 사용하는듯해보였음)
→ 의문: Yolov5는 Tensorflow로 구현된 모델 없나?
⇒ 그러면 버전별 비교는 포기해야할수도
⇒ 아님 Pytorch로 구현된 모델들 버전별로 비교하고, 구현에는 Tensorflow로..?
(이렇게 되면, 사실 비교하는 의미가 없긴함. Tensorflow 모델들의 성능은 다를 수도 있자너)
→ 찾아보니 Tensorflow로 구현된 Yolo 사용해보려는데 환경셋팅 빡쎄넴
⇒ 조금 찾아봤는데, 커스텀 예제가 안보임
이제 이거 시도해볼 예정이며, 현상황 느낀점: 아래 두가지 방법 셋팅 난이도 비슷해보임
→ Tensorflow로 구현된 Yolo 사용
→ Tensorflow.js 사용
⇒ Teachable Machine 사용하면 어찌어찌 될지도 모르지만 Yolo 사용이 의미있는거니까
===============================================================
나도 어제 찾아본 결과로는 tensorflow는 weight파일하고 cfg파일하고 names 파일로 모델 돌리고Pytorch는 pt파일하고 yaml파일을 통해서 돌리는듯한데 어짜피 서버에서 돌리는게 파이썬 파일을 실행하고 그 매개변수로 가중치파일이나 설정파일을 넣는듯해서 강의를 더 들어봐서 가능한지를 판단해야할듯
===============================================================
