pbj0812의 코딩 일기

Pytorch with examples (numpy) 코드 분석 - 아래 글은 파이토치 튜토리얼 중 numpy 부분을 학습하여 영상으로 만든 것을 재구성한 글입니다. 원본링크 : https://pytorch.org/tutorials/beginner/pytorch_with_examples.html 유투브 영상 : https://youtu.be/ovENuzUM_5k 한글 주석 코드: https://github.com/pbj0812/deep_learning/blob/master/pytorch_tutorial/learning_pytorch_with_examples _numpy.ipynb 코드 프리뷰 - 전체 코드이다. - 비교적 짧게 구성되어 있다. 설계도 - 위 코드를 프리뷰하여 작성한 설계도이다. - hid..

2019.05.23(목) 회사 인원들과 같이 강남에서 열리는 Tableau Experience 2019 Korea에 참석하였다. tableau에 대한 설명은 아래 링크에서 확인 바란다. https://www.tableau.com/ko-kr 비즈니스 인텔리전스 및 분석 데이터의 힘을 활용하고, 사람들이 잠재력을 최대한 발휘합니다. 비즈니스 인텔리전스 분야에 혁신을 가져온 분석 플랫폼, Tableau를 선택하세요. www.tableau.com 시간표는 위와 같이 구성되었다. 오전에는 전체세션으로 구성되었고, 오후에는 3파트(초급, 중급, 활용)로 나누어 진행이 되었다. 먼저, 놓칠수 없는 기념품 싹쓸이 1. 변신 로봇? 2. 뱃지 3. 포스트잇 4. 볼펜(tableau, data robot) 5. 나무 LE..

Docker 설치 우분투 환경 curl fsSL https://get.docker.com > docker.sh sudo sh docker.sh test sudo docker run hellow-world 아래 그림과 같이 나오면 성공 Docker 이미지 다운로드 https://hub.docker.com 에서 원하는 docker 이미지를 다운로드 혹은 아래 예제와 같이 명령어로 다운받을 수도 있음 docker pull deeplearningzerotoall/tensorflow Docker 이미지 확인 docker images Docker container 생성 및 실행 docker run -it --name tf_zerotoall -v /8TB_hard/pbj_tmp/:/home/pbj_tmp -p 288..

* 머신러닝 탐구생활 -정권우 저 참고 Kaggle에서 평가척도로 사용되기도 한다. MAP = Mean Average Precision(모든 예측 정확도의 평균) 예측 결과가 아래와 같다면.. 1 0 0 1 1 1 0 (1:맞음, 0:틀림) 예측의 정확도는 1/1 0/2 0/3 2/4 3/5 4/6 0/7 이다. 이것을 평균하면 (1/1 + 2/4 + 3/5 + 4/6) / 4= 0.69 여기서 마지막의 4는 정답의 개수(1의 개수)를 나타낸다. ex1) 1 1 1 1 0 0 0 일 경우 예측 정확도는 각각 1/1 2/2 3/3 4/4 0/5 0/6 0/7 이며 평균을 구하면 (1/1 + 2/2 + 3/3 + 4/4)/4 = 1이 된다. 따라서 순서에 예민하다고 할 수 있다. * MAP@7은 최대 7개의..

컴퓨터 새로 맞춘지 6개월이 지난 지금에서야 겨우 TENSORFLOW-GPU 버전을 설치하였다... 그만큼 초보자에게 있어 GPU 버전 설치는 힘들다.... CUDA랑 CUDNN 버전을 맞춰야 하고 또 파이썬을 뭘 맞춰야 하고... 그래서 이번에 설치한 김에 복기를 하여 적기로 하였다... 물론... 이건 지금 내 컴퓨터의 상황에 맞춰 설치한 것이기 때문에... 모든 분에게 해당하는 이야기는 아닐지도 모른다... 결국 자신의 컴 상황에 맞춰 설치해야 하기 때문에 그냥 경우의 수를 한 가지 늘린 것이라 보면 좋겠다. 결론은! ANACONDA를 이용하여 설치하였다. 결국 문제는 CUDA랑 CUDNN 버전을 맞추는게 어렵기 때문인데... ANACONDA를 이용하면 자동으로 설치할 수 있다. 1. CUDA를 설..

컴퓨터는 고양이를 어떻게 고양이라고 인식할까...?? 컴퓨터는 아래 사진과 같이 숫자로 고양이를 인식한다. 0부터 255의 숫자로 색을 인식하고 색은 RGB 이므로... 사진 크기가 800*600이라고 하면 전체 배열의 크기는 800*600*3이다. 이렇게 고양이를 인식하게 되면 문제가 발생하게 되는데, 먼저 고양이가 조금만 움직여도 고양이가 아니게 된다. 그리고 명암에 따라서도 숫자가 바뀌기 때문에 안되고.. 고양이의 포즈에 따라서도 바뀌고... 다른 배경에 있다던지, 고양이의 일부만 나왔을 때에도 인식을 하지 못한다. 물론, 고양이 털색깔이 바뀌어도 마찬가지이다. 그래서 또 사람들이 여러 실험을 진행하였다. 먼저 강한 선만 따서 고양이를 인식시켜 보려 했으나, 다른 노이즈도 포함이 되고 인식이 힘들다..

1강은 소개라 딱히 쓸 게 없음. 컴퓨터 비전은 많은 영역의 조합으로 이루어져 있다. 500만년전 생물에 눈이 달린 이후로 시각은 중요 해졌고, 여러 실험을 해왔다.(카메라의 발명 등...) 그러다가 1959년 Hubel & Wiesel 에 의해서 놀라운 실험을 하였으니 고양이에게 여러 도형(원, -, ㅣ 등)을 보여주고 전기 신호를 받았더니 각 물체에 따라 파형이 다르게 나왔다. 이 실험을 토대로 또 실험을 하였고, 1997년에는 같은 색을 엮어 군집을 만드는 실험을 하였고, 2001년에는 얼굴인식을 성공하였다. 그리고 시간이 흘러 imagenet dataset을 이용한 경진 대회가 열린다. 150만 개의 이미지를 학습시켜(1000종류) 10만개의 이미지를 검사하기인데.. 채점 방식은 아래 그림과 같다..

iptables -L

env 환경변수명 - 환경 변수 찾기 setenv 변수명- 새로운 변수 환경설정 echo 변수명- 현재 변수가 가지고 있는 정보 보는 명령어

- compile시 전문가가 도와주면 편하지만 그런 상황이 아닐 경우에는 일일이 찾고 지정해줘야 함..- 만약 찾고자 하는 환경변수가 존재하나 해당 경로가 아닐 경우 'no files to process'라는 구문이 발생한다. 이럴경우 which 명령어를 이용해 해당 환경변수의 경로를 찾는다.- 만약 찾고자 하는 환경변수가 어디에도 존재하지 않을 경우 'command not found'라는 구문이 발생한다.