티스토리

LennyLemony
검색하기

블로그 홈

LennyLemony

lennylemoney.tistory.com/m

jjnll 님의 블로그입니다.

구독자
1
방명록 방문하기

주요 글 목록

  • 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.. 공감수 1 댓글수 0 2025. 1. 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.. 공감수 3 댓글수 0 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.. 공감수 4 댓글수 1 2024. 10. 2.
  • 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.. 공감수 2 댓글수 0 2024. 9. 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.. 공감수 0 댓글수 1 2024. 6. 30.
  • 4. ImageNet으로 꽃 분류 with flower_photos Tf에 공개되어 있는 코드를 뜯어 본다. tf 사이트가 정말 잘되어있는게 순서대로 따라가기 좋고 다음에 무엇을 하면 좋은지도 알려준다.https://www.tensorflow.org/tutorials/images/classification?hl=ko  전 단계의 코드와 다른 점:PILseed와 이미지사이즈도 데이터셋 지정할 때 넣어준 점prefetchaugmentation 추가sequential([사전모델 변수, 뒤는 그대로-])식으로 모델 레이어를 쌓는다.Tf.lite를 써서 모델을 저장하고 불러와 예측. 이전 모델과 측정값 비교. Tf:불러오기 > 갯수 체크 > PIL로 이미지 테스트 > 변수 지정 > 학습과 검사로 분리 > 클래스 정보 확인 > 데이터 시각화로 확인 > 각각 이미지 형태, 라벨 길이.. 공감수 1 댓글수 0 2024. 6. 16.
  • 2. tf 사이트에 공개된 mnist 분석 mnist 데이터를 가지고 어떻게 공부할 수 있을까 고민하다가 tf사이트에 공개된 초보자 버전, 전문가 버전과 학교에서 했던 세 가지를 비교해서 어떤 차이가 있는지 분석해 이 세가지를 녹여낸 내 버전을 만드는 것이 도움되겠다는 생각이 들었다. 이게 내 플젝일 수 있을지는 모르겠다. 내가 구상하고 만들어야 내 플젝인데 웹 개발 코드와는 다르게 데이터와 모델 다 정해져있고 자율성이 적기때문에 자기만의 특징을 드러내기 힘들다. 그래도 내가 보기 편하게 조합해내서 내 것 화 하려고 한다. 확실히 웹과는 다르게 코드 안에 있는 논리와 알고리즘, 아키텍처가 더 중요하다. 어떻게 그런 결론이 나왔는지 통계학적 지식과 수학적 지식을 이용해서 설명한다. 아직은 이런 프로세스가 낯설긴 하다. 초보자:버전 > 불러와 밝기로.. 공감수 0 댓글수 0 2024. 5. 18.
  • git 이해하기 위한 정리 ---------------------------------------------------------------------------------------------------------Git PhaseWorking Space >> Stage >> Local Repo >> a Branch >> Remote Repo workspace to stage >> add/mv/rm **stage to workspace >> reset HEAD ** stage to localrepo >> commit local repo to branch >> pushbranch to local repo >> fetch remoterepo to workspace >> clone/pull--------------------------.. 공감수 0 댓글수 0 2022. 8. 30.
    728x90
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.