또자의 코딩교실

안녕하세요... 프로젝트 개발에 찌들어있다가 이제 천천히 블로그를 다시 돌려보려고 합니다. 이번 포스팅 내용에는 구글 코랩을 활용한 오픈소스 카툰갠 사용 튜토리얼 및 저희의 프로젝트 GAN모델에 대해서 적어보려해요. >>Google Colab을 활용도구로 사용하신 이유가 무엇입니까? 먼저 git에서 가지고 온 코드가 리눅스 기반의 작업환경이었기 때문이고, 훨씬 더 빠른 gpu를 활용해 작업능률을 올리기 위해서였습니다. >>왜 카툰갠을 사용했습니까? StyleGAN2, AnimeGAN, CartoonGAN 등 기존에 존재하던 모델들을 적용해 사용해본 결과, 원하는 이미지와 가장 가까운 결과물을 만들수있는모델이 CartoonGAN이라고 판단 후 개선을 하기로 결정하였습니다. >>PyMySQL과 코드를 병합시..

✅ Source of data collection Stanford Dog set - 'http://vision.stanford.edu/aditya86/ImageNetDogs/' DogFaceNet - 'https://github.com/GuillaumeMougeot/DogFaceNet' Web Crwaling - Various dogs of emoji Animation - Howl's Moving Castle(2004), Spirited Away(2001), My Neighbor Totoro(1988) ✅ 기존 데이터 수집 단계 [현재 확정된 할일] ~ 21/12/21 강아지 데이터 수집(웹 크롤링) 및 데이터 전처리(확실히 전처리) : 실사와 그림데이터 수집. 추후 자세한 사항 안내 예정. ~ 21/1..

결국 개발하는것도 교육받는것도 어찌보면 다 먹고 살자고 밥 벌어먹기 위해 하는 것입니다. 그런의미에서 제일 중요한 주변 밥집 소개. 바뀐 코로나 정책으로 인해서 기존에는 배달이 주가 되는 식사생활이었습니다. (배달이야 금호동, 풍암동, 진월동, 광주대학교 주변 쯤에서 배달비가 좀 붙긴하지만 보통 반마다 밥 총괄을 정하셔서 쓰시면 해결됩니다.) 이후 코로나로 인해 학원 내 식사가 금지되며 강제적인 식사는 모두 밖에서 하게 되었습니다. (2022.01.10 기준 코로나 방침에 의거하여 작성되었습니다.) 1. 편의점 (세븐일레븐 송하점) 2. 송원대 분식집 행복타임 3. 송암차이나 4. 행복한 밥상 5. 공단 회관 6. 정림이네 국밥 7. 해성식당 8. 돌매순두부 ✅ 세븐일레븐 송하점 개발원에서 걸어서 3분 ..

(제가 만든 기획 발표 ppt의 저작권은 블로그 주인인 저에게 있습니다.) 이번 스마트 인재개발원에서 진행하는 2차 프로젝트가 본격적으로 시작되었습니다. 2차 프로젝트는 수료를 얼마 남지 않은 시점에서 진행하는 만큼, 모두가 열심히 참여하고 퀄리티또한 좋은 모두 심혈을 기울이는 프로젝트라 할 수 있습니다. 1차 프로젝트와 다른 점은, 2차 프로젝트는 공모전이나 협약 기업의 멘토링을 받으면서 진행할 수 있단 점입니다. 일정은 이렇게 진행되었습니다. 블로그 글 작성이 뜸했던 이유또한 이렇습니다. (ㅠㅠ) 팀원들과의 공유문서를 통한 협업으로 진행되었습니다. 다음은 저희 팀의 기획서를 열람하실 수 있는 공유문서 링크입니다. 반려 동물 시장규모는 급격하게 증가하고 있으며, 관련 산업 분야또한 급격하게 활성화 되고..

✅ Intent란? Intent는 안드로이드 내에서 다른 액티비티를 실행하거나 데이터를 전달할 때 사용되는 시스템이다. 하나의 액티비티가 다른 액티비티를 실행 시킬 수 있는 메세지 시스템으로 액티비티끼리 액션과 데이터를 주면 결과를 주는 관계이다. ✅ 묵시적 Intent 와 명시적 Intent의 비교 인텐트는 묵시적 인텐트 방식/ 명시적 인텐트 방식으로 나뉘게 된다. 묵시적 Intent When: 인텐트의 액션과 데이터를 지정하긴 했지만, 호출할 대상이 달라질 수 있는 경우 Process : 안드로이드 시스템이 인텐트를 이용해 요청한 정보를 처리할 수 있는 적절한 프로그램를 찾아본 다음 사용자에게 그 대상과 처리 결과를 보여줌 Action 기능을 가짐 안드로이드 시스템에 설치된 기본앱을 바로 실행시킬 수..

딥러닝이란? = 사람의 신경망을 모방하여 기계가 병렬적 다층 구조를 통해 학습하도록 만든 기술 기계도 사람처럼 생각하게 하기 위해 뉴런을 만들어 생각하게 해보자는 것이 제일 이해하기 쉽게 딥러닝을 설명할 수 있는 방법입니다. 딥러닝은 컴퓨터가 많은 뉴런(선형모델, 즉 퍼셉트론)의 결과를 종합하여 판단을 하는 모델입니다. 딥러닝은 많은 선형모델들이 모여서 구성하고 있습니다. 많은 선형모델은 많은 생각의 가짓수를 뜻합니다. 선형 모델 하나하나 각각은 y=wx+b의 식을 가지는 선형모델이며 각 각 선형모델마다 판단한 결과를 출력합니다. 딥러닝의 특징 - 모델을 사용자가 직접 설계하며 설계하기위해 많은 코드가 필요함 - 처음 사용하는 가중치를 랜덤하게 배정하기 때문에 재시작할때마다 최종 결과값또한 여러번 실행할..

선형모델 : 데이터를 선형 함수로 구분하는 모델. 학습에서 나온 선형함수로 새로운 데이터를 예측함 ✅ 작동방식 입력 특성에 대한 선형 함수를 만들어 예측을 수행함 선형모델은 분류와 회귀문제 모두 해결 가능함 - 분류 : 정답으로 사용할 수 있는 label이 정해져 있음. (=정해진 정답의 종류 중에서 하나를 예측) - 회귀 : 정답으로 사용할 수 있는 label이 정해져 있지 않음. (=정답으로 삼을 수 있는 종류가 엄청나게 많으며 주로 숫자를 예측함.) ✅ 장단점 결과 예측(추론)속도가 빠르다. 대용량 데이터에도 충분히 활용 가능하다. 특성이 많은 데이터 세트라면 훌륭한 성능을 낼 수 있다. 특성이 적은 저 차원 데이터에서는 다른 모델의 일반화 성능이 더 좋을 수 있다. >> 특성확장 필요 과대적합되기..

이번 포스팅에서 다루는 모델들 Random forest Ada Boosting Gradient Boosting Machine XGBoost(lightGBM) Random Forest 과대적합을 이용해서 Bagging을 활용해 진행되는 머신러닝모델 작동방식 Random Sampling을 진행하여 서로 다른 방향으로 과대적합된 트리를 많이 만들고 평균을 내어 일반화 시킴. 각각의 변조된 데이터들을 다 만들고 모델에 돌려버린뒤 다수결로 밀어버리는 방식으로 최종 라벨값을 뽑아내는 모델 수정 가능한 Parameter들은 기존 Decision Tree 모델들과 동일하다 과대적합(Overfitting)문제를 회피하며 모델 정확도를 향상시키려고 개발되었음 장점 단점 - 실제값에 대한 추정값 오차 평균화 - 과대적합 감..