매직 메서드

매직 메서드(던더 매서드)가 익숙하지 않아서 따로 정리한다.몰랐을 때는 쓰면서도 굳이 언더바를 추가해서 보낼 필요가 있나 하는 생각이 마음 한켠에 항상 있었는데, 퍼플에 물어보니 매직 메서드를 쓰지 않으면 리턴값에 해당 연산자 혹은 매서드를 쓸 수 없다고 한다. 파이썬은 자바스크립트나 욜로 모델과는 다르게 데이터로더, 토치라이트닝에서 쓰듯이 미리 지정해 주어야 사용이 가능하다. class CustomList: def __init__(self, name, items): """객체 초기화""" self.name = name self.items = items # 리스트 형태의 데이터 def __str__(self): """객체의 사용자 친화적인 문..

2025.01.29

Use of Loss func, Optimizer

Loss function과 Optimizer를 어떤 것을 쓰느냐에 따라 아웃풋이 달라지기에 찾아본 내용.Quora에 나온 글에서 chatbot이 설명해준 정보를 긁어왔다.결론만 내자면 이산형인지 연속형인지 하는 데이터의 성격에 따라 선택이 달라진다고 한다.그 외의 경우 배치값, 학습률 등등을 조절해 섬세한 차이를 줄 수도 있겠다.Choosing the right optimizer and loss function for your neural network is crucial for achieving good performance. Here’s a guide to help you make informed decisions:1. Understand the Problem Type* Classification v..

2024.10.25

바이오 통계학 w/R

모집단_population: 전체표본_sample: 실제 관측한 모집단의 일부모수_parameter: 모집단의 특성을 나타내는 대푯값 = 모집단의 목적통계량_statistic: 표본의 특성을 나타내는 대푯값 = 표본의 목적 단위_unit, 케이스_case: 관측된 개별 개체변수_variable: 개별 단위에 대해 관측한 특성관찰값_observation: 각 단위로부터 관찰한 관측값 연속형_continuous vs 범주형_categorical 가상의 췌장암 환자 데이터 표본평균: 표본의 평균 = X_bar모평균: 모수의 평균표본변동: 모집단 내 표본을 뽑을 때마다의 차이표본분포: 표본변동에 의해 일어나는 분포 분산_variance: 평균에서 벗어난 정도, 다 더하면 0> 분모가 n-1인 이유는 모분산을 추..

2024.10.02

Udemy: Cv in python for beginners 정리

사실 굉장히 세부적으로 모든 슬라이드를 찍어 수학공식까지 추가해 정리하려고 했었는데 그러려니 이도저도 아니게 되어서 다시 쓴다. 어차피 코드는 다 찍어봤고 어떤식으로 진행되는지 내가 아는만큼 보여주기식보다는 내가 보고 떠올릴 수 있도록 하는 용도로 적을 예정이다. 1. 색변환 - RGB, HSV2. 가로세로 줄이기3. 기하학적 변환 (화소의 위치를 바꿈, 화소의 배치를 변경)translation - 그대로 이동scaling - 크기 비율 변환 (1)rotation - 회전shearing - 찌그러트림affine - 위아래의 가로 길이는 고정시키고 옆으로 당김projective - 위아래의 가로 길이도 변형시키고 옆으로 당김reflection - 반사4. affine 혹은 projective 된 이미지 원..

2024.09.28

5. Transfer learning based on MobileNet w/ cats-and-dogs-data

전에는 코드도 흐름도 쉬워서 몇가지를 같이 비교하면서 합치는게 간단했다. 근데 지금은 코드도 길어지고 내용도 까다로워져서 하나 보는 데에도 시간이 좀 걸린다. 여기에 어떤 내용이 들어가 있고 어떤 식을 적용한건지 확인하면 시간이 이전보다 더 걸린다. 근데 세 코드를 합치려니 시간이 더 걸렸다. 이번주 내내 기분도 다운되고 그래서 진짜 아무것도 하고싶지 않았는데 6월을 이렇게 마무리할 순 없어서 올린다. 기본 틀은 tf에 공개된 코드와 같으며 MediumCase코드도 그와 거의 비슷하게 전이학습을 추가하여 모델 고정, 동결, 층 추가, 재훈련, 미세튜닝 단계를 진행한다. 차이점은 변수명 뿐이다. 학교에서 듣기론 이 흐름이 이미지를 분석 할 때 일반적이라고 한다. 그나저나 이정도로 적은 차이로 개인 블로그에..

2024.06.30