코생코사

데이터 전처리/증강torchvision의 transforms를 사용이미지 데이터 전처리데이터 다양성을 높이기 위해 증강 https://github.com/stonegyoung/Pytorch_Study/blob/master/%EB%8D%B0%EC%9D%B4%ED%84%B0%20%EC%A0%84%EC%B2%98%EB%A6%AC.ipynb Pytorch_Study/데이터 전처리.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com필요 라이브러리 임포트import torchfrom torchvisi..

이미지Classification: 이미지 한 장을 통째로 보고 ‘이 이미지는 무엇이다‘ 를 분류Detection: 이미지에서 특정 오브젝트를 찾는다 (대표 모델: 욜로)Segmentation: 이미지에서 특정 오브젝트를 찾고 영역을 찾는 것딥러닝데이터로부터 특징과 패턴을 학습neural network뉴런 하나 = 퍼셉트론 = unit ANN: 얕은 인공신경망 DNN: 입력층과 출력층 사이에 여러 은닉층으로 이루어진 인공신경망(비선형 활성화 함수를 추가하여 비선형 관계 모델링 가능)DNN의 문제: 이미지 처리시 이미지를 2차원에서 1차원으로 만들어 정보 손실이 생겨 이미지의 특징을 찾아내기 힘들다, 이미지 사이즈가 커지면 학습할 가중치도 증가 -> CNN (Convolutional Neural Networ..

https://github.com/stonegyoung/Pytorch_Study/blob/master/iris%20%EC%9D%B8%EA%B3%B5%EC%8B%A0%EA%B2%BD%EB%A7%9D%EC%9C%BC%EB%A1%9C%20%EB%A7%8C%EB%93%A4%EA%B8%B0.ipynb Pytorch_Study/iris 인공신경망으로 만들기.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comiris 데이터 로드sklearn의 데이터셋을 사용합니다.# 피처 4개from sklearn.d..

모델 학습을 위해 필요한 것- 손실 함수  (Loss Function)예측값과 실제값 사이의 차이를 계산  - 최적화 함수 (Optimizer)  손실 함수를 최소화 하기 위해 사용되는 알고리즘 Backpropagation으로 계산된 기울기를 사용해 가중치 업데이트   모델의 가중치 업데이트 하면서 최적화 - 에폭 (Epoch)모든 데이터셋을 한 번 학습하는 횟수 - 학습률 (Learning rate)학습을 얼마나 빨리 시킬건지 필요 라이브러리 임포트import torchimport torch.nn as nn# 최적화함수를 위해import torch.optim as optim  최적화함수 -> Adam손실함수 -> 크로스엔트로피에폭 -> 100학습률 -> 0.001# 최적화함수, 학습률optimizer ..

Pytorch 라이브러리 임포트import torch# 모델을 만들기 위해import torch.nn as nn gpu 확인torch.cuda.is_available()모델 만들기1. nn.Sequential 이용2. nn.Module을 상속받는 클래스 이용  두 가지 방법을 사용하여이진분류 모델을 만들어보겠습니다(이진분류는 아웃풋이 1개)인풋은 4개, 활성화 함수는 ReLU를 사용하겠습니다.nn.Linear(), nn.ReLU() 사용 모델 구조4 -> 128 -> 64 -> 11. nn.Sequential 이용순차적으로 쌓아서 만드는 방법간단한 신경망 아키텍처 만들 때 사용한다 # 선형으로 = fully connectedmodel = nn.Sequential( nn.Linear(4,128), ..

2024.10.22 - [빅데이터 공부] - [Pandas] 데이터 변형하기 - groupby [Pandas] 데이터 변형하기 - groupby1. groupby()2. pd.pivot(), pd.pivot_table()3. stack(), unstack() 실습을 위한 라이브러리 임포트import numpy as npimport pandas as pdimport seaborn as sns 팁 데이터 사용tips = sns.load_dataset('tips') 데이터 살펴보기tips.head()tidogfoot1.tistory.com 2024.12.07 - [빅데이터 공부] - [Pandas] 데이터 변형하기 - pivot, pivot_table [Pandas] 데이터 변형하기 - pivot, pivot..

2024.10.22 - [빅데이터 공부] - [Pandas] 데이터 변형하기 - groupby [Pandas] 데이터 변형하기 - groupby1. groupby()2. pd.pivot(), pd.pivot_table()3. stack(), unstack() 실습을 위한 라이브러리 임포트import numpy as npimport pandas as pdimport seaborn as sns 팁 데이터 사용tips = sns.load_dataset('tips') 데이터 살펴보기tips.head()tidogfoot1.tistory.com 1. groupby()2. pd.pivot(), pd.pivot_table()3. stack(), unstack() 실습을 위한 라이브러리 임포트import numpy as..

https://www.acmicpc.net/problem/16236 도움https://velog.io/@waoderboy/%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98-%EB%B0%B1%EC%A4%80-16236-%EC%95%84%EA%B8%B0%EC%83%81%EC%96%B4-%ED%8C%8C%EC%9D%B4%EC%8D%AC [BOJ] 백준 - 16236 아기상어 (파이썬)백준 - 16236 아기상어 (파이썬)velog.io BFS를 사용한다 bfs를 이용하여 먹이를 먹으러 갈 수 있는 곳 중 최단 거리 확인 아기 상어는 자신의 크기와 같은 수의 물고기를 먹을 때 마다 크기가 1 증가한다  -> sh_shape(자신의 크기), eat(물고기 몇 개 먹었는지) 변수 사용아기 상어가 몇..

https://m.blog.naver.com/ndb796/221236874984 25. 위상 정렬(Topology Sort)  위상 정렬(Topology Sort)은 '순서가 정해져있는 작업'을 차례로 수행해야 할 때 그 순서를 ...blog.naver.com 위상 정렬이란순서가 정해져 있는 작업들을 선행 조건에 만족하도록 정렬하는 알고리즘정점 u에서 v로 가는 간선이 있을 때 항상 u 다음에 v가 나와야 하는 경우같이 순서가 정해져 있을 때 사용할 수 있다 위상 정렬을 쓸 수 있는 경우-> 그래프가 DAG(방향 비순환 그래프)인 경우 순환이 존재하는 그래프에서는 사용할 수 없다 +그래프의 종류https://6mini.github.io/computer%20science/2021/12/02/graph/ [..

배낭 문제라고도 불리는 냅색 알고리즘은 DP 문제 중 일부이다.주어진 물건들 중 일부를 선택하여 제한된 용량의 가방(또는 배낭)에 최대한의 가치를 담는 문제를 해결하는 알고리즘 물건을 넣을 것인가, 안넣을 것인가를 정하는 것이 문제의 핵심이다. 평범한 배낭 문제를 이용하여 원리를 알아보겠다https://www.acmicpc.net/problem/12865 일단 예제 1을 보면4 7 # 물품 수 n 과 최대 무게 k # 각 물품의 무게와 가치6 13 4 83 65 12  물품 수 n+1 (아무 물품도 넣지 않았을 때)를 행으로무게 k+1 (무게가 0일 때)를 열로 한2차원 표를 만든다2차원 표 안에는 가치가 들어간다.각 행의 물건을 넣었을 때, 넣지 않았을 때의 가치를 비교해서 더 큰 값을 넣어준다 안넣는..