SJ_Koding

timm은 라이브러리는 "PyTorch Image Models"의 약자로, Ross Wightman에 의해 작성된 PyTorch 기반의 이미지 분류 모델 라이브러리이다. 다양한 모델: timm은 많은 사전 훈련된 모델들을 포함하고 있어서 다양한 비전 작업에 활용할 수 있습니다. 이 라이브러리는 ResNet, EfficientNet, Vision Transformers(ViT) 등 다양한 아키텍처를 지원한다. 사전 훈련된 가중치: 많은 모델들에 대해 ImageNet에서 사전 훈련된 가중치를 제공한다. 이를 통해 전이 학습(transfer learning)을 쉽게 시작할 수 있다. 유연성: timm은 연구자나 개발자가 쉽게 커스텀 모델 아키텍처나 다양한 모델 변형을 시도할 수 있도록 설계되어있다. 효율성 및..

주로 사용하는 파이썬 코딩테스트의 문법들을 정리해보았습니다. 지속적으로 추가할 예정입니다. 자세한 이론적 설명은 생략하겠습니다! 더욱 효율적인 코드가 있거나 틀린 내용이 있으면 댓글로 공유해주세요 :) 즉각 반영하고 감사의 메세지를 남기겠습니다. 필수로 알아둬야할 문법입니다. 알아두면 정말 편합니다 이렇게도 코딩할 수 있습니다. 1. 문자열 뒤집기 아래와 같이 [::-1] 문법을 사용할 수 있다. string = 'Welcome SJKOding!' print(string[::-1]) 출력 결과: '!gnidOKJS emocleW' 2. 중복 제거하기 set자료형을 이용하자. 변환할 변수를 set()으로 묶으면 된다. set은 중복을 허용하지 않고 순서가 없다. temp = [1, 1, 2, 2, 3, 4..

OpenCV 명령어 정리 1. cv2.namedWindow(winname[, flags]) à None 설명: 윈도우 이름을 설정한 후, 해당 이름으로 윈도우 생성 winname(str): 윈도우 이름 flags(int): 윈도우의 크기조정 cv2.WINDOW_NORMAL | 값 0 | 윈도우 크기 재조정 가능 cv2.WINDOW_AUTOSIZE | 값 1 | 표시될 행렬의 크기에 맞춰 자동 조정 2. cv2.imshow(winname, mat) à None 설명: winname 이름의 윈도우에 mat행렬을 영상으로 표시함. 생성된 윈도우가 없으면, winname 이름으로 윈도우를 생성하고 영상을 표시한다. mat(numpy.ndarray) 윈도우에 표시되는 영상 (행렬이 화소값을 밝기로 표시) 3. c..

Confused matrix (혼동행렬) Retrieved? (양성으로 예측했니?) Relevant? (실제 양성이니?) YES NO YES TP FN NO FP TN T의 의미: 예측이 성공한 것 TP: 참으로 예측한 것이 실제로 참 (적중) TN: 거짓으로 예측한 것이 실제로 거짓 (적중) F의 의미: 예측을 실패한 것 FP: 참으로 예측한 것이 실제로 거짓 (오답) FN: 거짓으로 예측한 것이 실제로 참 (오답) 정밀도와 재현율을 공부할 때, 식을 외우는게 아니라 단어의 의미를 파악하는것이 중요. 이해를 위해 코로나바이러스로 예를 들겠습니다. Precision(정밀도)와 Recall(재현율) Precision (정밀도) : 양성으로 예측한 것중 실제로 양성인 비율 ex) 확진자로 분류된 사람이 실제..

베이스라인의 EDA를 저만의 방식으로 설명해보았고 스케일링, hard voting 앙상블, soft voting 등의 다양한 시도를 해보았습니다. 첫 EDA를 진행해보았고 아직은 참고해서 하는 수준이네요. 또 하이퍼파라메터 튜닝에 GridSearchCV가 주로 쓰이는걸 알고 한 번 적용해보았습니다. GridSearchCV는 간단히 말해 사용자가 하이퍼 파라메터들의 경우의 수를 지정하여 최적의 하이퍼 파라메터를 찾아주는 모델입니다. 즉, 모델 튜닝 시에 사용되는 기능입니다. 이를 공부하고 처음으로 적용 시켜 보았습니다. 데이터 처리를 어떻게 해야할지 감이 아직 안와서 이 점은 차근차근 해쳐나가겠습니다. 가장 기본적인 범주형 데이터 처리와 다중공선성 컬럼을 제거하였습니다. 감사합니다! 좋게 봐주세요 :) 도..

https://dacon.io/competitions/official/235869/overview/description 집값 예측 경진대회 - DACON 좋아요는 1분 내에 한 번만 클릭 할 수 있습니다. dacon.io In [53]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') In [54]: train = pd.read_csv('D:/Dacon/house_value_predict/train.csv') test = pd.read_csv('D:/Dacon/house_value_predict/te..

https://dacon.io/competitions/official/235864/overview/description 영화 리뷰 감성분석 경진대회 - DACON 좋아요는 1분 내에 한 번만 클릭 할 수 있습니다. dacon.io #아래의 코드는 '박이삭'회원님의 코드공유를 참고하여 만들었습니다. 전반적인 코드흐름은 동일하며 보다 정확한 결과값을 위해 성능이 좋은 3개의 분류모델을 찾고, 3개의 결과를 토대로 최종 결과를 도출해내었습니다. 기본 모듈 및 측정 모델 셋팅 import pandas as pd import numpy as np from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.neighbors import KNei..

Numpy 라이브러리를 사용하면 배열 데이터를 파일로 저장하거나 파일에서 불러올 수 있습니다. 이를 위해 np.save()와 np.savez() 함수를 사용할 수 있습니다. 1. 단일 Numpy배열 저장하기 np.save('경로/파일명.npy', numpy데이터) - save 함수는 배열을 1개만 저장할 수 있습니다. - save 시 확장자는 .npy 를 사용합니다. array = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0] np.save('array.npy', array) new_array = np.load('array.npy') new_array 2. 복수 Numpy 저장하기 np.savez('경로/파일명.npz', numpy데이터 = 이름 , ---) - savez 함수는 여러 개의 배열..