전체 글195 11 SIP Response (1xx, 2xx, 3xx) (23.04.14) ■ SIP Response ● SIP는 Request / Response 프로토콜 & Server / Client 프로토콜 ● 엔지니어는 SIP Response를 보고 에러 발생 원인 확인 ● 종류 1xx Provisional : 정보 2xx Success : 정상 3xx Redirection : 요청을 다른 주소로 재송신 요청 4xx Client Error : 클라이언트 장애 5xx Server Error : 서버 장애 6xx Global Failure : 사용자와 연결은 가능하나 통화는 불가 ■ 1xx Provisional Provisional Responses (or 1xx Informational Responses) ● 특징 서버가 처리 중임을 통지 요청에 대한 최종 응답 전에 요청에 하는 시간이.. 2023. 6. 20. 03 프로젝트 진행 / 결과 & 고찰 / 결론 Dataset 분류 분류되어있지 않은 CIFAR-100 Dataset의 이미지들을 딥러닝 모델 학습을 위해 100개의 클래스로 분류하고, 각 클래스 별로 폴더를 생성해준다. 결과적으로 각 클래스에 이미지가 600개씩 분류된다. 학습 진행 가. Tensorflow 프레임워크에서의 학습 6일 동안 총 10,000 Epoch만큼 학습을 진행하였다. 나. Pytorch 프레임워크에서의 학습 5일 동안 총 2,000 Epoch만큼 학습을 진행하였다. 학습이 시작되면 학습 시작 문구가 출력되게 구성하였고, 학습 시간이 오래 걸리기 때문에 학습 중인지, 오류가 발생한 것인지 구분하고, Training 진행 상황과 Testing 진행 상황을 확인할 수 있도록 하였다. 프로젝트 결과 및 고찰 가. Tensorflow 프.. 2023. 6. 18. 02 GoogLeNet 모델 소개 GoogLeNet 소개 GoogLeNet은 2014년도 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 우승한 CNN 네크워크이다. GoogLeNet은 Inception이라는 개념의 네트워크 중 하나로, Inception-v1와 같은 모델이다. GoogLeNet이란 이름이 붙은 이유는 구글이 알고리즘 개발에 참여했기 때문이다. 당시 참여 개발자들은 딥러닝 모델의 수치적인 성능 향상보다는 Convolution을 이용한 딥 러닝 네트워크 구조의 혁신에 집중하였다. 그 결과, Inception module이라는 네트워크 구조를 설계하였고, 이를 활용하여 AlexNet보다 더 깊지만 파라미터 수는 1/12인 GoogLeNet을 설계하였다. GoogLeN.. 2023. 6. 18. 01 프로젝트 소개 / 딥 러닝 모델 학습 과정 프로젝트 주제 GoogLeNet 모델을 활용한 이미지 분류 개발 기간 2023.06.05 ~ 17 프로젝트 상세 설명 본 프로젝트에서는 CIFAR-100 Dataset의 이미지를 분류하고 모델의 성능을 향상시키는 작업을 진행하였다. 이를 위해 딥러닝 프레임워크인 Tensorflow와 Pytorch를 사용하여 각각의 환경에서 학습을 별개로 진행하였고, 두 프레임워크 간의 성능 비교 또한 진행하였다. Tensorflow에서는 효율성을 위해 CNN Layer를 여러 층 사용하였으며, Pytorch에서는 GoogLeNet 모델을 활용하였다. 개발 환경 Windows 환경의 Jupyter Notebook NVIDIA GeForce RTX 3070 GPU 1개를 사용하여 학습을 진행 딥 러닝 프레임워크 간의 비교를.. 2023. 6. 18. 이전 1 ··· 15 16 17 18 19 20 21 ··· 49 다음
