시그모이드

보통 requirements.txt를 만들때, pip freeze > requirements.txt 이렇게 단순하게 진행한다. 그런데, 이런 경우 간혹 @가 붙으면서 잡스러운 내용이 나오고 파일만으로 설치하기 힘든 경우가 있다. 그래서 단순하게 패키지 버전만 출력할 수 있는 코드를 가지고 왔다. pip list --format=freeze > requirements.txt 이러면 패키지 이름과 버전만 저장되기 때문에 아주 범용적이고 개꿀이다.

간혹 코딩을 하다보면 테스트를 하기 위해서 혹은 샘플이 필요해서 데이터프레임을 만들고 싶을 때가 있다. 그때마다 student_card = pd.DataFrame({'ID':[20190103, 20190222, 20190531], 'name':['Kim', 'Lee', 'Jeong'], 'class':['H', 'W', 'S']}) 이런식으로 만드려고한다면 여간 머리가 지끈지끈해지는게 아니다. 게다가 한번에 대용량의 데이터를 만들 수가 없다. 하지만 아래의 방법을 쓴다면 누구나 쉽게 내가 원하는 크기의 데이터프레임을 만들 수 있다. import pandas as pd import numpy as np size = 10_000 df = pd.DataFrame() df['position'] = np.rand..

import matplotlib.font_manager as fm font_list = fm.findSystemFonts(fontpaths = None, fontext = 'ttf') font_list[:] from matplotlib import font_manager, rc font_path = 위에나온경로 font = font_manager.FontProperties(fname=font_path).get_name() rc('font', family=font)

데이터 전처리하기 데이터 증강 이미지 정규화 CNN으로 이미지 분류하기 모델 정의하기 모델 학습하기 모델 성능 평가하기 전이 학습 모델 VGG로 분류하기 사전 학습된 모델 불러오기 학습 루프 정의하기 학습 및 성능 평가하기 핵심 용어 정리 1. convolution : 작은 필터를 이용해 이미지로부터 특징 추출 2. CNN : convolution layer를 반복적으로 쌓아 만든 인공 신경망 3. feature map : convolution layer의 결과를 말함 4. 데이터 증강 : 이미지의 회전 및 잘라내기 등 하나로 여러가지의 데이터를 만들어 데이터를 늘리는 기법 5. 이미지 정규화 : 이미지의 픽셀 간 편향 제거에 사용. 각 채널의 분포가 동일해짐 6. padding : 이미지 외곽을 0으로..

본 카테고리는 Must Have 텐초의 파이토치 딥러닝 특강 책을 기본으로 하여 작성되었습니다. 파이토치는 클래스별로 분류되어 이해할 수 있도록 구성되어있음 import torch print(torch.cuda.is_available()) a = torch.tensor([1, 2, 3]) b = torch.tensor([4, 5, 6]) c = a + b print(c) 출력내용 : True tensor([5, 7, 9]) 파이토치 기본 구성 nn.Module 클래스 class Net(nn.Module): def __init__(self): ''' # 신경망 구성요소 정의 ''' def forward(self, input): ''' # 신경..

현생에서 여러가지 일을 동시에 처리해야되다 보니 블로그 포스팅을 못하고 있습니다. 마무리가 되는대로 다시 시작하겠습니다.

포인터는 값 자체가 아니라 값의 주소를 저장하는 변수다. 포인터를 이해하기 전에 일반적인 변수에 대해 명시적으로 그 주소를 알아내는 방법을 알아보자 주소 연산자(&)를 변수 앞에 붙이면 그 변수의 주소를 알아낼 수 있다. home이 변수라면 &home은 그 변수의 주소이다! // address.cpp -- & 연산자로 주소를 알아낸다. #include int main() { using namespace std; int donuts = 6; double cups = 4.5; cout

공용체 공용체(union)는 서로 다른 데이터형을 한번에 한가지만 보관할 수 있는 데이터 형식이다. 구조체는 int형과 long형, double형을 한번에 보관할 수 있지만 공용체는 어느 하나만 보관할 수 있다. 구문은 구조체와 같지만 의미가 다르다. union one4all { int int_val; long long_val; double double_val; }; 이 경우 one4all은 모든 형을 보관할 수 있지만 어느 순간에는 하나만 보관이 가능하다. one4all pail; pail.int_val = 15;// int형을 저장 cout

- 관련된 정보를 하나의 단위로 묶어서 저장할 수 있다. - C++에서 구조체는 객체 지향 프로그래밍의 핵심인 '클래스'의 기초가 된다. - 사용자가 정의할 수 있는 데이터형 struct inflatable // 구조체 선언 { char name[20]; float volume; double price; }; 예제 // structur.cpp -- 간단한 구조체 #include struct inflatable // 구조체 선언 { char name[20]; float volume; double price; }; int main() { using namespace std; inflatable guest = { "Glorious Gloria", // name value 1.88, // volume value..

string클래스는 배열보다 사용하기가 쉽고 하나의 데이터형으로 나타낸다. // strtyp1.cpp -- C++ string클래스를 사용한다. #include #include // string클래스를 사용하기 위해 int main() { using namespace std; char charr1[20]; // 빈배열 생성 char charr2[20] = "jaguar"; // 초기화된 배열 생성 string str1; // 빈 string 객체 생성 string str2 = "panther"; // 초기화된 string 객체 생성 cout > charr1; cout > str1; cout