[python error] ERROR: Could not find a version that satisfies the requirement torch==1.1.0 (from human-body-prior) (from versions: 1.7.1, 1.8.0, 1.8.1, 1.9.0, 1.9.1, 1.10.0, 1.10.1)ERROR: No matching distribution found for torch==1.1.0
SMPLify-X로부터 fitting 알고리즘을 사용하기 위해 readme 대로 설치하는 도중에 다음과 같은 에러가 발생했다. ERROR: Could not find a version that satisfies the requirement torch==1.1.0 (from human-body-prior) (from versions: 1.7.1, 1.8.0, 1.8.1, 1.9.0, 1.9.1, 1.10.0, 1.10.1) ERROR: No matching distribution found for torch==1.1.0 에러 내용을 보면 torch 1.1.0에 맞는 버전이 없다는 에러이다. 그런데 나는 파이토치를 1.8.0 버전을 쓰고 있어서 이해할 수 없었다. 그래서 conda 로 다시 pytorch 1..
[numpy] numpy.void 데이터 사용법
데이터셋을 다루는데 데이터셋의 라벨링이 numpy void로 되어있고 그 데이터가 도대체 어떤 형태로 정리가 되어있는건지 이해할 수 없어서 numpy void 에 대해서 공부해보았다. 이 글에서는 개념적인 내용보다는 numpy void 로 정리된 데이터를 어떻게 이해할 수 있으며 어떻게 사용하는지에 대해서만 간략한 예시로만 정리하겠다. dataset.labels['table'][sample_idx] (0, 1690, 1, [[[1357., 1759.], [1240., 1544.], [1137., 1681.], [1234., 1659.], [1320., 1534.], [1403., 1748.], [1169., 1646.], [1091., 1637.], [1079., 1538.], [1186., 1509.]..
[img 시각화] tensor로 변환된 이미지를 cv2.imshow 하기
1. tensor 로 변환된 이미지는 [C,H,W] 형태를 가지고 있으나 cv2.imshow 하려면 numpy형태로 바꾸어야한다. numpy 형태는 [H,W,C] 형태를 말한다. 2. 원본이미지가 numpy에서 tensor로 변환되는 과정에서 normalize도 하게되는데 이때 이미지를 시각화하기 위해서는 /255. 로 normalize 됐는지, transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) 이 코드처럼 IMAGENET 형식으로 normalize 됐는지를 알아야한다. 알고나면 denormalize 작업을 다음과 같이 하면 된다. # /255. 로 normalize 된 경우 image = image * 255.0 # ..
