nsbg 🌞

✍ 나의 첫 온라인 해커톤 솔루션 챌린지인지 그냥 DSC 해커톤인지 아직도 이름이 헷갈리는 대회지만 일주일이 금방 지나가고 오늘 대회가 끝났다. 우리 팀은 4시 반쯤 깃허브 주소, 발표 영상을 제출했던 거 같은데 그 전까지는 계속 CSS 수정했다. 86 contributinos = 1CSS 이번 대회 주제는 선택 폭이 넓었어서 관심있는 주제를 비슷하게 선택한 사람들끼리 팀 매칭이 이루어졌다. 우리 팀은 '기후 변화 대응'이라는 주제로 데이터 시각화 사이트(깃허브 페이지 배포 기능 이용)를 만들었고 나는 기온 예측 모델을 맡았다. 딥러닝 강의와 이론만 공부했지 RNN이라는 자체를 프로젝트에 써보는 게 처음이라서 잘할 수 있을까 걱정을 많이 했었다. 2~3일 정도 모델 만드는 거만 붙잡고 있었더니 다행히 기..

RNN으로 예측 모델을 만드려고 찾아본 코드가 텐서플로우 1.x로 돼있는 게 많아서 구글링 결과로 나온 사이트에 안 들어가본 데가 없는 것 같다. 또 필요해질 때를 대비해서 내가 까먹지 않기 위해 정리해놓는다. ⭐ 현재 사용 버전 : TensorFlow 2.4.0 초기 설정 ◽ import tensorflow.compat.v1 as tf compatibility module인 tensorflow.compat 중에서 1.x 버전을 의미하는 v1 import ◽ tf.compat.v1.disable_eager_execution() 텐서플로우 2.0에서 기본으로 설정된 즉시 실행(execution eagerly) 끄기 모듈 TensorFlow 1.x tensorflow.compat.v1 tf.contrib.r..

원래 계획용 카테고리에 매달 목표를 몇 개씩 적어놨었는데 피드백 달아놓는 걸 자꾸 까먹어서 회고록 느낌으로 한달을 정리해보려고 한다. 나 김보금,, 컨셉과 통일성에 꽤 진심인 사람이기 때문에 카테고리 이름에 맞게 제목은 잡지 느낌으로 🌞 개인 공부 부스트코스 딥러닝 기초 강의를 끝냈다. 부스트코스에서 제공해주는 프로젝트만 남아있는데 계속 해야지 해야지 하다가 지금까지 미뤄 버렸다ㅎㅎ; 개강 전에는 꼭 프로젝트 3개 다 제출할 수 있길 바란다. 인공지능 분야 자체가 너무 방대해서 이제 첫발을 뗀 거지만 그래도 one-hot-encoding이 뭔지, Max pooling이 뭔지 정도는 알게 돼서 정~말 조금 뿌듯한 마음이 들긴 한다. 이 느낌을 쭉 가지고 가야지 자료구조 책 복습은 1월에 끝내기로 했는데 아..

CNN - 이미지 분류에 많이 사용되며 convolutional layer / pooling layer(생략하기도 함)로 구성 Convolutional layer 📌 필터는 이미지의 특징을 찾아내기 위한 공용 파라미터로 kernel이라고 부르기도 함 Stride - 필터 적용 간격 ex) stride=1 : 1칸씩 이동, stride=2 : 2칸씩 이동 Output - 입력 데이터 크기, 필터 크기, stride가 주어졌을 때 1+(입력 크기-필터 크기)/stride - output feature map 채널 수 = convolution 필터 수 📌 합성곱 연산 수행 시 가중치 정하는 법 ① 랜덤 값으로 초기화 ② 가지고 있는 데이터로 학습 Padding - 합성곱 연산 수행 전 입력 데이터 주변을 특정..

1. code-runner, minGW 설치 2. launch.json → program:""${fileDirname}/${fileBasenameNoExtension}.exe"로 수정 3. tasks.json "args" 부분 아래처럼 수정 "args" : [ "-g", // 디버깅을 위한 명령어라서 선택 사항 "${file}", "-o", "${fileDirname}\\bin\\${fileBasenameNoExtension}.exe" ] 4. setting.json → code-runner.executorMap에서 cpp 리다이렉션 지우기

Classification binary classification : variable is either 0 or 1 Logistic vs Linear - Logistic regression을 적용하기 위한 데이터들은 이산적(구분이 명확함) - Linear regression은 연속적 - 0, 1 형태로 값을 얻고 싶을 때 Linear regression은 바로 얻을 수 없고 다른 식을 필요로 함 Sigmoid(Logistic) function - 중간 값은 0.5 - 계단 형식의 함수를 미분이 가능한 곡선 형태로 바꾸어주는 역할 - Binary classification → 마지막 레이어 활성함수로 사용 Decision Boundary - 이진 클래스 또는 다중 클래스 분류 문제에서 모델이 학습한 클래스..

Tensorflow 버전만 업그레이드하려다가 Anaconda를 재설치하는 사람이 있다?! 1. Anaconda3 다운로드(www.anaconda.com/products/individual) 2. Anaconda3 설치 설치 중간에 이런 화면이 나오는데 구글링해보면 두 개 다 체크하고 설치하는 경우가 많았다. 하지만 필수가 아니라 옵션이기도 하고, 이미 설치된 파이썬이랑 꼬일까봐 난 둘다 안하고 넘어갔다. 잘 안되면 지우고 또 깔지 뭐 😌 3. jupyter notebook 실행 확인 jupyter notebook 창은 알아서 열린다. cf. tensorflow 공식 사이트 확인 4. conda 가상 환경 생성 & 활성화 # create conda create --name 가상환경이름 python=원하는 ..

요즘 알고리즘 풀 시간이 안 나서 파이참 자체에 정말 오랜만에 들어갔는데 Run 버튼이 아예 활성화가 안돼있었고 인터프리터 설정 들어가서 이것저것 만졌음에도 ! 파이참은 저런 에러 문구를 띄워줬다. 항상 에러 금방 해결할 줄 알고 캡처를 안 하는데 이제부터는 다 남겨놔야겠다. 나를 너무 믿지 말자 ㆍㆍㆍ 해결 방법은 정말 간단했는데 해결하기까지 너무 돌아가서 내가 시도한 방법과 구글링 내용 정리 ! ※ ~ exit code 9009는 No Python interpreter configured for the project 메시지랑 함께 뜬다. Step 0. cmd → python 버전 확인 이 과정 없이 파이참 안에서만 해결하려고 했는데 나중에 확인하니까 이상하게 뜨길래 그제서야 뭔가 잘못됐다는 걸 감지 ..

* 실습 소스 코드 : github.com/nsbg/AI Concept - 경사를 따라 내려가면서 최저점을 찾도록 설계된 알고리즘 - 최적화 : 이득 최대화, 손실 최소화 - cost 함수에서 cost를 최소화하는 W, b를 찾는 것 How it works 1) 추정을 통해 W, b 설정(어떤 값이든 상관없음) 2) cost가 조금씩 줄어들도록 W, b 값 업데이트 3) 최저점에 도달했다고 판단될 때까지 과정 2) 반복 ∴ 곡선 상에서 임의의 한 지점을 정한 후 이 점에서의 기울기(Gradient)를 구하고, 가중치 W와 기울기를 곱한 값을 W에서 빼줬을 때 그 결과값이 다음 가중치 W(어떤 점에서 시작해도 결과값은 동일) Formal definition Batch(GPU가 한번에 처리하는 데이터 묶음)..