From fa7701132f900863e01b89afbf1df60cdbf6ff4c Mon Sep 17 00:00:00 2001 From: Ok-Junhyeok Date: Sun, 10 Apr 2022 07:32:41 +0900 Subject: [PATCH 1/4] =?UTF-8?q?=EC=98=A4=EB=A5=98=20=EC=88=98=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ONNXLive.rst | 181 +++++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 181 insertions(+) create mode 100644 ONNXLive.rst diff --git a/ONNXLive.rst b/ONNXLive.rst new file mode 100644 index 000000000..b1cfde26d --- /dev/null +++ b/ONNXLive.rst @@ -0,0 +1,181 @@ + +ONNX Live 튜토리얼 +================== + +이 튜토리얼은 PyTorch에서 나온 neural style transfer 모델을 Apple CoreML 형식으로 ONNX을 이용하여 변환하는 방법을 소개합니다. +또한, 이 튜토리얼 어떻게 Apple 장치들에 딥 러닝 모델들을 사용하는지 알려주고 특히나 이번 튜토리얼에서는 카메라로부터 실시간 스트림을 이용합니다. + +ONNX란 무엇인가? +------------- + +ONNX (Open Neural Network Exchange) 는 딥 러닝 모델들을 대표하는 공개되어있는 형식입니다. +ONNX는 AI 개발자들이 최첨단의 도구들과 모델들의 조합을 그들에게 가장 잘 맞는 것을 쉽게 선택하도록 해줍니다. +ONNX는 커뮤니티의 파트너들이 개발하며 또한 지원됩니다. +ONNX와 어떤 도구들이 지원되는지는 `onnx.ai `_ 를 방문하여 더 알아볼 수 있습니다. + + +튜토리얼 개요 +----------------- + +이번 튜토리얼에서는 4가지 중심 사항들을 소개해드리겠습니다. + + +#. `Download (or train) PyTorch style transfer models`_ +#. `PyTorch style transfer 모델 다운로드 (또는 학습시키기)`_ +#. `PyTorch 모델을 ONNX 모델로 변환하기`_ +#. `ONNX 모델을 CoreML 모델로 변환하기`_ +#. `style transfer iOS App 에서 CoreML 모델 돌리기`_ + +개발 환경 준비하기 +------------------------- + +현재 로컬에 설치되어있는 패키지들과의 충돌을 피하기 위해 virtualenv를 사용하겠습니다. +튜토리얼에서 Python 3.6 버전을 사용하지만 다른 버전도 작동하는데 무리가 없습니다. + +.. code-block:: python + + python3.6 -m venv venv + source ./venv/bin/activate + + +PyTorch와 onnx-coreml 변환해주는 라이브러리를 설치해야합니다. + +.. code-block:: bash + + pip install torchvision onnx-coreml + + +iPhone 에서 iOS style transfer 어플리케이션을 실행하려면 XCode 가 필요합니다. +Linux 에서도 모델을 변환할 수 있지만, iOS 어플리케이션을 실행 하려면 Mac 이 필요합니다. + +PyTorch style transfer 모델 다운로드 (또는 학습시키기) +------------------------------------------------- + +이번 튜토리얼에서 우리는 https://github.com/pytorch/examples/tree/master/fast_neural_style 에 PyTorch 로 만들어진 style transfer 을 이용하겠습니다. +다른 PyTorch 나 ONNX 모델을 사용하길 원한다면 이번 단계를 생략해도 좋습니다. + +이 모델들은 이미지에 style transfer 가 적용되도록 만들어져서 비디오에 적용하기에는 최적화가 되어있지 않아 충분히 빠르지 않습니다. +하지만 해상도를 어느 정도 낮춘다면 비디오에서 충분한 속도에 작동됩니다. + + +모델들을 다운받아봅시다. + +.. code-block:: bash + + git clone https://github.com/pytorch/examples + cd examples/fast_neural_style + + +직접 모델을 훈련시키기 원한다면 방금 클론한 저장소의 pytorch/examples 를 방문하면 어떻게 해야하는지에 대한 더 많은 정보가 있습니다. +지금은 저장소에서 제공해주는 스크립트를 사용하여 미리 훈련된 모델을 다운로드하겠습니다: + +.. code-block:: bash + + python download_saved_models.py + + +이 스크립트는 미리 훈련된 PyTorch 모델들을 다운받고 ``saved_models`` 폴더에 저장합니다. +폴더에는 4가지 파일 ``candy.pth``\ , ``mosaic.pth``\ , ``rain_princess.pth`` 그리고 ``udnie.pth`` 가 폴더에 다운 받아졌습니다. + +PyTorch 모델을 ONNX 모델로 변환하기 +----------------------------------------- + +이제 우리는 미리 훈련된 PyTorch 모델들을 ``saved_models`` 폴더에 ``.pth`` 파일로 가지고 있어서 나중에 저 모델들을 ONNX 형식으로 변환 할 수 있습니다. +모델 정의는 방금 전 클론 했던 저장소의 pytorch/examples 에 있으며 단 몇 줄의 파이썬 코드를 이용해서 ONNX 로 변환 할 수 있습니다. +인공 신경망을 실제로 실행하는 대신 이러한 경우에는 우리는 ``torch.onnx._export``\ 를 호출하는데 이것은 PyTorch 가 제공하는 API 로 PyTorch 에서 직접적으로 ONNX 형식의 모델로 변환합니다. +하지만 이번 경우에는 우리는 저것을 호출 안해도 되는데 그 이유는 저런 기능을 우리를 위해 대신해주는 스크립트가 ``neural_style/neural_style.py`` 에 있기 때문입니다. +You can also take a look at that script if you would like to apply it to other models. +다른 모델에 저 스크립트를 적용하길 원하시면 스크립트를 보는것도 좋습니다. + +PyTorch 에서 ONNX 형식으로 변환하는것은 결과적으로 당신의 신경망을 추적해 나가는것과 같습니다. 이 API 호출은 내부적으로 그래프를 생성해내기 위해 '더미 데이터' 를 이용하여 신경망을 실행합니다. +이렇기 때문에 입력값으로 style transfer 를 적용할 이미지가 입력값으로 필요하며 기본적인 비어있는 이미지여도 됩니다. +그러나 이미지의 픽셀 크기는 중요한데 그 이유는 픽셀 크기는 변환될 style transfer 모델의 크기로도 이용되기 때문입니다. +좋은 퍼포먼스를 얻기 위해 우리는 250x540 의 해상도를 사용할 예정입니다. FPS보다 style transfer의 품질에 더 많이 신경 쓰신다면 더 큰 해상도를 사용하셔도 됩니다. + +`ImageMagick `_ 을 사용하여 우리가 원하는 크기의 비어있는 이미지를 생성해봅시다. +.. code-block:: bash + + convert -size 250x540 xc:white png24:dummy.jpg + + +그리고 PyTorch 모델을 변환하는데 사용해봅니다. + +.. code-block:: bash + + python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/candy.pth --cuda 0 --export_onnx ./saved_models/candy.onnx + python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/udnie.pth --cuda 0 --export_onnx ./saved_models/udnie.onnx + python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/rain_princess.pth --cuda 0 --export_onnx ./saved_models/rain_princess.onnx + python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/mosaic.pth --cuda 0 --export_onnx ./saved_models/mosaic.onnx + + +위의 과정을 거치면 4개의 파일 ``candy.onnx``\ , ``mosaic.onnx``\ , ``rain_princess.onnx`` 그리고 ``udnie.onnx``\ , +가 ``.pth`` 파일들에 각각 대응되어 생성되어있어야 합니다. + +ONNX 모델을 CoreML 모델로 변환하기 +---------------------------------------- + +이제 우리는 ONNX 모델들이 있기 때문에 Apple 장치에서 실행시키기 위해 모델들을 CoreML 모델로 변환시킬 수 있습니다. +이렇게 하기 위해, 우리는 전에 설치한 onnx-coreml 컨버터를 사용합니다. +이 컨버터는 위의 설치 단계에서 추가된 ``convert-onnx-to-coreml`` 스크립트를 포함하고 있습니다. +아쉽게도 이 스크립트를 우리가 원하는 기능인 신경망의 입력값과 출력값을 이미지로서 표시해주지 못하고 +우리가 원하는 기능은 파이썬에서 컨버터를 호출해야만 지원됩니다. + +style transfer 모델을 보면 (예를 들면 .onnx 파일을 `Netron `_\ 과 같은 어플리케이션에서 여는것) +우리는 입력값이 '0' 으로 되어있고 출력값이 '186' 으로 되어있는걸 확인할 수 있습니다. 이것들은 PyTorch 에 의해 할당된 숫자 id 들 입니다. +우리는 이러한 값들을 이미지로써 표시해야합니다. + +자 그래서 이제 ``onnx_to_coreml.py`` 라고 하는 작은 파이썬 파일을 생성합니다. 이것은 touch 명령어나 가장 좋아하는 편집기로 다음의 몇줄의 코드만 추가하면 만들수 있습니다. + +.. code-block:: python + + import sys + from onnx import onnx_pb + from onnx_coreml import convert + + model_in = sys.argv[1] + model_out = sys.argv[2] + + model_file = open(model_in, 'rb') + model_proto = onnx_pb.ModelProto() + model_proto.ParseFromString(model_file.read()) + coreml_model = convert(model_proto, image_input_names=['0'], image_output_names=['186']) + coreml_model.save(model_out) + + +이제 실행시켜봅시다. + +.. code-block:: bash + + python onnx_to_coreml.py ./saved_models/candy.onnx ./saved_models/candy.mlmodel + python onnx_to_coreml.py ./saved_models/udnie.onnx ./saved_models/udnie.mlmodel + python onnx_to_coreml.py ./saved_models/rain_princess.onnx ./saved_models/rain_princess.mlmodel + python onnx_to_coreml.py ./saved_models/mosaic.onnx ./saved_models/mosaic.mlmodel + + +이제 ``saved_models`` 폴더에 CoreML 모델이 4개 , ``candy.mlmodel``\ , ``mosaic.mlmodel``\ , ``rain_princess.mlmodel`` and ``udnie.mlmodel``, 가 있습니다. + +style transfer iOS앱에서 CoreML 모델들 실행하기 +------------------------------------------------- + +이 저장소(README.md를 읽고 계시는 현재의 저장소)는 CoreML style transfer 모델들을 핸드폰 카메라로 실시간 카메라 스트림을 이용하여 실행할 수 있는 iOS 앱을 포함하고 있습니다. 이제 저장소를 클론해봅시다. + +.. code-block:: bash + + git clone https://github.com/onnx/tutorials + + +그리고 ``tutorials/examples/CoreML/ONNXLive/ONNXLive.xcodeproj`` 프로젝트를 XCode 에서 열어봅시다. +우리는 XCode 9.3 버전과 iPhone X를 사용하는것을 추천합니다. 오래된 기기나 오래된 버전의 XCode 를 사용해 실행하는데는 이슈가 있을 수도 있습니다. + +``Models/`` 폴더에 프로젝트는 .mlmodel 파일들이 포함되어 있습니다. 우리는 저 파일들을 우리가 방금 생성해낸 모델들로 교체해야합니다. + +그리고 iPhone을 이용해서 앱을 실행시키면 모든 준비가 끝났습니다. 스크린을 탭하면서 모델들을 바꿔보도록 합시다. + +결론 +---------- + +우리는 이 튜토리얼이 ONNX 가 무엇이고 어떻게 신경망들을 프레임워크 사이에서 변환하면서 사용하는지 충분히 설명이 되었기를 바랍니다. +이번에는 PyTorch에서 CoreML 로 style transfer 모델들을 변환하였습니다. + +앞서 소개해드린 단계들을 활용하며 자유롭게 자신만의 모델을 실험해 보시기를 바랍니다. +피드백이나 오류가 있다면 언제든지 알려주세요. From ff7d7b5031a87034b68c0200393a3b02ca767d48 Mon Sep 17 00:00:00 2001 From: Ok-Junhyeok Date: Sun, 10 Apr 2022 10:27:24 +0900 Subject: [PATCH 2/4] =?UTF-8?q?=EC=98=A4=EB=A5=98=20=EC=88=98=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- advanced_source/ONNXLive.rst | 1 - 1 file changed, 1 deletion(-) diff --git a/advanced_source/ONNXLive.rst b/advanced_source/ONNXLive.rst index e71f9f4d3..b1cfde26d 100644 --- a/advanced_source/ONNXLive.rst +++ b/advanced_source/ONNXLive.rst @@ -17,7 +17,6 @@ ONNX와 어떤 도구들이 지원되는지는 `onnx.ai `_ 를 튜토리얼 개요 ----------------- -This tutorial will walk you through 4 main steps: 이번 튜토리얼에서는 4가지 중심 사항들을 소개해드리겠습니다. From b3d0f23ba50ee3c128691156a98d6d13b4ac4148 Mon Sep 17 00:00:00 2001 From: Ok-Junhyeok Date: Sun, 10 Apr 2022 10:31:40 +0900 Subject: [PATCH 3/4] remove unused files --- ONNXLive.rst | 181 --------------------------------------------------- 1 file changed, 181 deletions(-) delete mode 100644 ONNXLive.rst diff --git a/ONNXLive.rst b/ONNXLive.rst deleted file mode 100644 index b1cfde26d..000000000 --- a/ONNXLive.rst +++ /dev/null @@ -1,181 +0,0 @@ - -ONNX Live 튜토리얼 -================== - -이 튜토리얼은 PyTorch에서 나온 neural style transfer 모델을 Apple CoreML 형식으로 ONNX을 이용하여 변환하는 방법을 소개합니다. -또한, 이 튜토리얼 어떻게 Apple 장치들에 딥 러닝 모델들을 사용하는지 알려주고 특히나 이번 튜토리얼에서는 카메라로부터 실시간 스트림을 이용합니다. - -ONNX란 무엇인가? -------------- - -ONNX (Open Neural Network Exchange) 는 딥 러닝 모델들을 대표하는 공개되어있는 형식입니다. -ONNX는 AI 개발자들이 최첨단의 도구들과 모델들의 조합을 그들에게 가장 잘 맞는 것을 쉽게 선택하도록 해줍니다. -ONNX는 커뮤니티의 파트너들이 개발하며 또한 지원됩니다. -ONNX와 어떤 도구들이 지원되는지는 `onnx.ai `_ 를 방문하여 더 알아볼 수 있습니다. - - -튜토리얼 개요 ------------------ - -이번 튜토리얼에서는 4가지 중심 사항들을 소개해드리겠습니다. - - -#. `Download (or train) PyTorch style transfer models`_ -#. `PyTorch style transfer 모델 다운로드 (또는 학습시키기)`_ -#. `PyTorch 모델을 ONNX 모델로 변환하기`_ -#. `ONNX 모델을 CoreML 모델로 변환하기`_ -#. `style transfer iOS App 에서 CoreML 모델 돌리기`_ - -개발 환경 준비하기 -------------------------- - -현재 로컬에 설치되어있는 패키지들과의 충돌을 피하기 위해 virtualenv를 사용하겠습니다. -튜토리얼에서 Python 3.6 버전을 사용하지만 다른 버전도 작동하는데 무리가 없습니다. - -.. code-block:: python - - python3.6 -m venv venv - source ./venv/bin/activate - - -PyTorch와 onnx-coreml 변환해주는 라이브러리를 설치해야합니다. - -.. code-block:: bash - - pip install torchvision onnx-coreml - - -iPhone 에서 iOS style transfer 어플리케이션을 실행하려면 XCode 가 필요합니다. -Linux 에서도 모델을 변환할 수 있지만, iOS 어플리케이션을 실행 하려면 Mac 이 필요합니다. - -PyTorch style transfer 모델 다운로드 (또는 학습시키기) -------------------------------------------------- - -이번 튜토리얼에서 우리는 https://github.com/pytorch/examples/tree/master/fast_neural_style 에 PyTorch 로 만들어진 style transfer 을 이용하겠습니다. -다른 PyTorch 나 ONNX 모델을 사용하길 원한다면 이번 단계를 생략해도 좋습니다. - -이 모델들은 이미지에 style transfer 가 적용되도록 만들어져서 비디오에 적용하기에는 최적화가 되어있지 않아 충분히 빠르지 않습니다. -하지만 해상도를 어느 정도 낮춘다면 비디오에서 충분한 속도에 작동됩니다. - - -모델들을 다운받아봅시다. - -.. code-block:: bash - - git clone https://github.com/pytorch/examples - cd examples/fast_neural_style - - -직접 모델을 훈련시키기 원한다면 방금 클론한 저장소의 pytorch/examples 를 방문하면 어떻게 해야하는지에 대한 더 많은 정보가 있습니다. -지금은 저장소에서 제공해주는 스크립트를 사용하여 미리 훈련된 모델을 다운로드하겠습니다: - -.. code-block:: bash - - python download_saved_models.py - - -이 스크립트는 미리 훈련된 PyTorch 모델들을 다운받고 ``saved_models`` 폴더에 저장합니다. -폴더에는 4가지 파일 ``candy.pth``\ , ``mosaic.pth``\ , ``rain_princess.pth`` 그리고 ``udnie.pth`` 가 폴더에 다운 받아졌습니다. - -PyTorch 모델을 ONNX 모델로 변환하기 ------------------------------------------ - -이제 우리는 미리 훈련된 PyTorch 모델들을 ``saved_models`` 폴더에 ``.pth`` 파일로 가지고 있어서 나중에 저 모델들을 ONNX 형식으로 변환 할 수 있습니다. -모델 정의는 방금 전 클론 했던 저장소의 pytorch/examples 에 있으며 단 몇 줄의 파이썬 코드를 이용해서 ONNX 로 변환 할 수 있습니다. -인공 신경망을 실제로 실행하는 대신 이러한 경우에는 우리는 ``torch.onnx._export``\ 를 호출하는데 이것은 PyTorch 가 제공하는 API 로 PyTorch 에서 직접적으로 ONNX 형식의 모델로 변환합니다. -하지만 이번 경우에는 우리는 저것을 호출 안해도 되는데 그 이유는 저런 기능을 우리를 위해 대신해주는 스크립트가 ``neural_style/neural_style.py`` 에 있기 때문입니다. -You can also take a look at that script if you would like to apply it to other models. -다른 모델에 저 스크립트를 적용하길 원하시면 스크립트를 보는것도 좋습니다. - -PyTorch 에서 ONNX 형식으로 변환하는것은 결과적으로 당신의 신경망을 추적해 나가는것과 같습니다. 이 API 호출은 내부적으로 그래프를 생성해내기 위해 '더미 데이터' 를 이용하여 신경망을 실행합니다. -이렇기 때문에 입력값으로 style transfer 를 적용할 이미지가 입력값으로 필요하며 기본적인 비어있는 이미지여도 됩니다. -그러나 이미지의 픽셀 크기는 중요한데 그 이유는 픽셀 크기는 변환될 style transfer 모델의 크기로도 이용되기 때문입니다. -좋은 퍼포먼스를 얻기 위해 우리는 250x540 의 해상도를 사용할 예정입니다. FPS보다 style transfer의 품질에 더 많이 신경 쓰신다면 더 큰 해상도를 사용하셔도 됩니다. - -`ImageMagick `_ 을 사용하여 우리가 원하는 크기의 비어있는 이미지를 생성해봅시다. -.. code-block:: bash - - convert -size 250x540 xc:white png24:dummy.jpg - - -그리고 PyTorch 모델을 변환하는데 사용해봅니다. - -.. code-block:: bash - - python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/candy.pth --cuda 0 --export_onnx ./saved_models/candy.onnx - python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/udnie.pth --cuda 0 --export_onnx ./saved_models/udnie.onnx - python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/rain_princess.pth --cuda 0 --export_onnx ./saved_models/rain_princess.onnx - python ./neural_style/neural_style.py eval --content-image dummy.jpg --output-image dummy-out.jpg --model ./saved_models/mosaic.pth --cuda 0 --export_onnx ./saved_models/mosaic.onnx - - -위의 과정을 거치면 4개의 파일 ``candy.onnx``\ , ``mosaic.onnx``\ , ``rain_princess.onnx`` 그리고 ``udnie.onnx``\ , -가 ``.pth`` 파일들에 각각 대응되어 생성되어있어야 합니다. - -ONNX 모델을 CoreML 모델로 변환하기 ----------------------------------------- - -이제 우리는 ONNX 모델들이 있기 때문에 Apple 장치에서 실행시키기 위해 모델들을 CoreML 모델로 변환시킬 수 있습니다. -이렇게 하기 위해, 우리는 전에 설치한 onnx-coreml 컨버터를 사용합니다. -이 컨버터는 위의 설치 단계에서 추가된 ``convert-onnx-to-coreml`` 스크립트를 포함하고 있습니다. -아쉽게도 이 스크립트를 우리가 원하는 기능인 신경망의 입력값과 출력값을 이미지로서 표시해주지 못하고 -우리가 원하는 기능은 파이썬에서 컨버터를 호출해야만 지원됩니다. - -style transfer 모델을 보면 (예를 들면 .onnx 파일을 `Netron `_\ 과 같은 어플리케이션에서 여는것) -우리는 입력값이 '0' 으로 되어있고 출력값이 '186' 으로 되어있는걸 확인할 수 있습니다. 이것들은 PyTorch 에 의해 할당된 숫자 id 들 입니다. -우리는 이러한 값들을 이미지로써 표시해야합니다. - -자 그래서 이제 ``onnx_to_coreml.py`` 라고 하는 작은 파이썬 파일을 생성합니다. 이것은 touch 명령어나 가장 좋아하는 편집기로 다음의 몇줄의 코드만 추가하면 만들수 있습니다. - -.. code-block:: python - - import sys - from onnx import onnx_pb - from onnx_coreml import convert - - model_in = sys.argv[1] - model_out = sys.argv[2] - - model_file = open(model_in, 'rb') - model_proto = onnx_pb.ModelProto() - model_proto.ParseFromString(model_file.read()) - coreml_model = convert(model_proto, image_input_names=['0'], image_output_names=['186']) - coreml_model.save(model_out) - - -이제 실행시켜봅시다. - -.. code-block:: bash - - python onnx_to_coreml.py ./saved_models/candy.onnx ./saved_models/candy.mlmodel - python onnx_to_coreml.py ./saved_models/udnie.onnx ./saved_models/udnie.mlmodel - python onnx_to_coreml.py ./saved_models/rain_princess.onnx ./saved_models/rain_princess.mlmodel - python onnx_to_coreml.py ./saved_models/mosaic.onnx ./saved_models/mosaic.mlmodel - - -이제 ``saved_models`` 폴더에 CoreML 모델이 4개 , ``candy.mlmodel``\ , ``mosaic.mlmodel``\ , ``rain_princess.mlmodel`` and ``udnie.mlmodel``, 가 있습니다. - -style transfer iOS앱에서 CoreML 모델들 실행하기 -------------------------------------------------- - -이 저장소(README.md를 읽고 계시는 현재의 저장소)는 CoreML style transfer 모델들을 핸드폰 카메라로 실시간 카메라 스트림을 이용하여 실행할 수 있는 iOS 앱을 포함하고 있습니다. 이제 저장소를 클론해봅시다. - -.. code-block:: bash - - git clone https://github.com/onnx/tutorials - - -그리고 ``tutorials/examples/CoreML/ONNXLive/ONNXLive.xcodeproj`` 프로젝트를 XCode 에서 열어봅시다. -우리는 XCode 9.3 버전과 iPhone X를 사용하는것을 추천합니다. 오래된 기기나 오래된 버전의 XCode 를 사용해 실행하는데는 이슈가 있을 수도 있습니다. - -``Models/`` 폴더에 프로젝트는 .mlmodel 파일들이 포함되어 있습니다. 우리는 저 파일들을 우리가 방금 생성해낸 모델들로 교체해야합니다. - -그리고 iPhone을 이용해서 앱을 실행시키면 모든 준비가 끝났습니다. 스크린을 탭하면서 모델들을 바꿔보도록 합시다. - -결론 ----------- - -우리는 이 튜토리얼이 ONNX 가 무엇이고 어떻게 신경망들을 프레임워크 사이에서 변환하면서 사용하는지 충분히 설명이 되었기를 바랍니다. -이번에는 PyTorch에서 CoreML 로 style transfer 모델들을 변환하였습니다. - -앞서 소개해드린 단계들을 활용하며 자유롭게 자신만의 모델을 실험해 보시기를 바랍니다. -피드백이나 오류가 있다면 언제든지 알려주세요. From f40cdf94d184f38dd0edaa8594936fe89ee2fbfd Mon Sep 17 00:00:00 2001 From: Ok-Junhyeok Date: Sun, 10 Apr 2022 10:39:25 +0900 Subject: [PATCH 4/4] =?UTF-8?q?=EB=A6=AC=EB=B7=B0=20=EB=B0=98=EC=98=81=20?= =?UTF-8?q?=EB=AC=B8=EC=9E=A5=EB=B6=80=ED=98=B8=20=EC=88=98=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- advanced_source/ONNXLive.rst | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/advanced_source/ONNXLive.rst b/advanced_source/ONNXLive.rst index b1cfde26d..983153a76 100644 --- a/advanced_source/ONNXLive.rst +++ b/advanced_source/ONNXLive.rst @@ -17,7 +17,7 @@ ONNX와 어떤 도구들이 지원되는지는 `onnx.ai `_ 를 튜토리얼 개요 ----------------- -이번 튜토리얼에서는 4가지 중심 사항들을 소개해드리겠습니다. +이번 튜토리얼에서는 4가지 중심 사항들을 소개해드리겠습니다: #. `Download (or train) PyTorch style transfer models`_