batch_size한번에 생성할 이미지의 개수 cfgClass-Free Guidance Scale은 생성 과정에서 모델이 prompt를 얼마나 중요하게 여길지 결정 PromptSide view, A deer standing on a country road, backlighting, looking at the city, on the other side of the river is a large city in the background, starry night sky, colorful, vibrant glow낮은 CFG Scale 값 : 모델이 text prompt를 덜 엄격하게 따른다. 결과 이미지가 더 창의적이거나 예측할 수 없을 수 있으며, prompt와 연관성이 적을 수 있다. 추상적이거나 자유로운 ..

Github :https://github.com/comfyanonymous/ComfyUI📱 ComfyUI란?ComfyUI는 Stable Diffusion 기반의 이미지 생성 모델을 사용하는 그래픽 사용자 인터페이스(GUI)입니다. Stable Diffusion은 텍스트 프롬프트를 기반으로 이미지를 생성하는 AI 모델인데, ComfyUI는 이 모델을 사용하여 사용자가 좀 더 직관적이고 편리하게 이미지를 생성할 수 있도록 돕는 도구다.🛠️ InstallGit을 통해 다운로드 받거나, 해당 링크에 들어가 [Code] - [Download zip] 선택하여 다운로드 한 후 해당 폴더로 이동.git clone cd ComfyUI Python 3.12 버전을 추천하며 3.13까지 지원 (2025년 3월 기준)N..

Diffusion Model에서 Seed를 고정하는 주된 이유는 재현성을 높이기 위해서다. 이는 이미지 퀄리티 향상에 매우 중요한 요소이다.파이프라인은 가우시안 노이즈 생성과 스케줄링 단계의 노이즈 추가와 같은 랜덤 샘플링에 크게 의존한다. 🧑‍🦲 일반적인 경우아래와 같이 코드를 실행했을 때, seed를 고정하지 않았기 때문에 매번 다른 결과가 나오게 된다.from diffusers import DDIMPipelineimport numpy as npmodel_id = "google/ddpm-cifar10-32"ddim = DDIMPipeline.from_pretrained(model_id)image = ddim(num_inference_steps=2, output_type="np").imagespri..

MLflow가 뭔지는 https://dream2reality.tistory.com/13를 참고.🔧 MLflow Common SetupsMLflow에서 일반적인 설정은 아래 3가지다. 1, 2 번은 모두 개인이 사용할 때의 방법이며 3번은 팀이 개발할 때 사용하는 형식이다. 3번과 같이 MLflow Tracking server를 구성하면 편리하게 실험 내용을 공유할 수 있다. 또한, Server에 올려 항상 켜둘 수 있다는 장점이 있다. 🏃‍♂️ MLflow Tracking Server 실행아래 명령어들을 통해 MLflow server를 실행시켜준다. (PC가 2대인 경우 Server PC에) 1. Docker Image 다운로드docker pull ghcr.io/mlflow/mlflow 2. Doce..

MLflow란MLflow는 데이터 과학 및 머신러닝 프로젝트를 위한 오픈소스 플랫폼이다. MLflow는 실험 관리, 모델 등록, 모델 서빙, 그리고 모델 배포 등 머신러닝 생명주기의 여러 단계를 관리할 수 있는 기능을 제공한다. 이 플랫폼은 Databricks에 의해 개발되었고, Python, R, 그리고 Java 같은 다양한 프로그래밍 언어를 지원한다.  MLflow의 주요 기능MLflow Tracking: 실험을 추적하고 파라미터, 코드 버전, 메트릭, 그리고 결과를 기록한다.MLflow Projects: 프로젝트 환경을 코드로 정의하여 재현성을 높인다.MLflow Models: 다양한 ML 라이브러리에서 사용되는 모델을 포장(packaging)하고 배포하기 위한 표준 포맷을 제공한다.MLflow R..

분류 모델의 성능 지표는 모델이 얼마나 정확하게 예측하는지를 평가하기 위해 사용된다. 다양한 성능 지표를 통해 모델의 장단점을 파악하고, 이를 바탕으로 모델을 개선할 수 있다.   이번 글에서는 분류 모델의 성능 지표로 널리 사용되는 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1-Score, 그리고 Confusion Matrix에 대해 알아본다.Confusion Matrix  Confusion Matrix은 모델의 예측 결과를 실제 클래스와 비교하여 4개의 주요 요소로 구성된 표다. 이를 통해 모델의 성능을 자세히 분석할 수 있다. True Positive (TP): 실제 긍정 클래스를 긍정으로 정확히 예측한 경우True Negative (TN): 실제 부정 클래스를..