★ 모델 평가:NMS 과정을 통해 YOLO 모델 성능 평가를 하여 최종 분류탐색한다.NMS 과정의 지표들- IoU: 예측된 바운딩 박스와 실제 바운딩 박스가 겹치는 정도- Confidence Score: 바운딩 박스가 정확한지 그리고 그 안에 객체가 존재하는지 평가하는 지표   1. 라이브러리 설치!pip install ultralytics 2. 모델 사용 1) 모델 다운로드 테스크와 맞는 모델 선택이 중요하다model: 모델 구조+ 가중치 설정task: detect, segment, classify, poseYOLO(model='yolo11n.py', task= 'detect')model = YOLO(model='yolo11n.pt', task='detect') 2) 모델 사용 model을 통해 예측 ..

1. 데이터 다운로드train_dataset = datasets.CIFAR10(root="./", train=True, download=True, transform=ToTensor())test_dataset = datasets.CIFAR10(root="./", train=False, download=True, transform=ToTensor())  2. 데이터 이미지 확인n = 150image, label = train_dataset.data[n], train_dataset.targets[n]# 이미지 시각화plt.imshow(image)plt.title(f"Label: {train_dataset.classes[label]}")plt.show()3. 모델링 1) 모델선언 nn.Conv2d(3, 32 k..