대학교에서 코드트리 구독이 되어있어서 계속 공부하다가
이번에 좋은 기회가 있어서 한번 해봅니당..
갭체크부터 고.
이렇게 나왔네용...
풀이상태나 내가 못푼 문제같은걸로 결과가 나와서 좋은 것 같아여..
트레일이 총 6개까지 있는데 기존에 조금씩 하던게 있어서 프로그래밍 기초는 넘어가기루 했어요.
프로그래밍 연습 중에서도 제일 많이 틀렸던 시뮬레이션부터 시작 고..!
일단 빨리 프로그래밍 연습 챕터를 넘기고 자료구조 알고리즘으로 넘어가는게 목표입니다!
기존에는 파이썬으로만 문제를 풀었는데 자바를 좀더 공부하고싶어서
자바로 변경해서 다시 풀어보고 있어요..!
화이팅..
https://www.codetree.ai/ko/no-free-lunch-2026
부-하.
ㅇ
안녕하세요. 오늘 아침에 자전거타고 오다가 보게된
귀여운 청둥오리...(맞나?)
오늘도 재미있는 수업 잘 듣겠습니다.
화이팅...!
오늘은 이미지 분류에 대해서 배워볼껀가봐요,,
일단
강사님이 그린 ㅣ고양이
냅다 올리기
CNN의 특징은
첫번 째 층은 초기 사진에 있는 거의 모든 정보가 유지된다는 점이고
상위 층은 추상적, 시각적 이해가 어렵다는 점입니다.
그리고 비어 있는 활성화가 층이 깊어짐에 따라 늘어나고 활성화 되지 않는 필터가 증가한다는 점입니다.
재은이가
그림 올려달래요
만족하셨으면 좋겠습니다..^^
뭔가 저렇게 위에 이름처럼 떠있으니까
게임 NPC같고 그렇네요
점심시간이였는데
오늘은 강사님이랑 밥먹었습니다.
근데 사진을 못찍었어요(충격실화)
그래서 대신 먹은거 그려드립니다. ^^
밥먹고왔는데
누가 컴퓨터를 해킹했나봐요
햄스터가 왔다갔네요..
수업 시작~!
원핫벡터와 엠베딩 벡터를 비교해봅시다.
| One-Hot vector | Embedding vector | |
| 차원 | 고차원(단어 집합의 크기) | 저차원(128, 256 등) |
| 표현 방식 | 희소 벡터 | 밀집 벡터 |
| 표현 방법 | 수동 | 훈련 데이터로부터 학습 |
| 값의 형식 | 하나의 값만 1, 나머지는 0 | 실수 |
CBOW 원리를 이용해서 주변 단어로 부터 중심 단어를 예측할 수 있구용.
Skip-gram의 원리를 이용해 중심 단어로부터 주변 단어를 예측할 수 있습니당.
대박이다..
오늘은 진짜 쓴게 없네요
반성합니다 !
근데 오늘 참 부트캠프 재미있게 잘 즐겼습니다.
아디오스
| ABC 부트캠프 24일차 (0) | 2023.04.13 |
|---|---|
| ABC 부트캠프 23일차 (1) | 2023.04.12 |
| ABC 부트캠프 22일차 (0) | 2023.04.11 |
| ABC 부트캠프 21일차 (0) | 2023.04.10 |
| ABC 부트캠프 20일차 (0) | 2023.04.07 |
부-하
오늘도 빠르게 자전거타고 날라왔습니다...
어제는 미세먼지가 매우나쁨(500)이였는데 오늘은 나쁨(122)네요
그나마 좋은 소식,,,^^
오늘 오후 쯤 되면 더 내려가겠죠??
맞다..
오늘 부트캠프 간식에 커피가 추가됐어요.
캔커피요!!_!!
맛있다....
근데 저희들은 전투적인 savage이기 때문에
호다닥 한개 가져왔습니다...
수업시작~!
One-hot vector는 데이터를 쉽게 중복 없이 표현할 때 사용하는 형식입니다..
뭔가 많이 했어요,,,
왼쪽이 내가 만든거,, 오른쪽이 강사님이 만든거,,
분명 같은 코드 사용했는데.. 뭐죠?????????
아니,, 코드를 바꾸니까 되긴 되네용,,
긁적,, 점심먹을 때 됐는데..
점심은 맛있는 봉구스밥버거~~
맛있게 클리어 했습니다 ^^
밥먹고 신나게 운동도 했네요^^
즐거운 부트캠프~~!
수업시작~
신경망 모델을 하는데
괴롭다!
| import numpy as np import pandas as pd from tensorflow.keras.datasets.mnist import load_data (train_x, train_y), (test_x, test_y) = load_data() train_x.shape, train_y.shape test_x.shape, test_y.shape from PIL import Image img = train_x[0] import matplotlib.pyplot as plt img1 = Image.fromarray(img, mode='L') plt.imshow(img1) train_y[0] train_x1 = train_x.reshape(60000, -1) test_x1 = test_x.reshape(10000, -1) train_x2 = train_x1/255 test_x2 = test_x1/255 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense md=Sequential() md.add(Dense(128, activation='relu', input_shape=(28*28,))) md.add(Dense(64, activation='relu')) md.add(Dense(10, activation='softmax')) md.summary() md.compile(loss='sparse_categorical_crossentropy', optimizer = 'sgd', metrics='acc') hist=md.fit(train_x2, train_y, epochs=50, batch_size=64, validation_split=0.2) acc=hist.history['acc'] val_acc=hist.history['val_acc'] epoch=np.arange(1, len(acc)+1) plt.figure(figsize = (10, 8)) plt.plot(epoch, acc, 'b', label='acc') plt.plot(epoch, val_acc, 'g', label='val_acc') plt.legend() md.evaluate(test_x2, test_y) weight=md.get_weights() weight |
이 수많은 코드 사이에서
제가 할수있는
유일한 일탈..
오늘 수업도 이렇게 평화롭게 마쳤네요 ^^
그럼 아디오스^^!
| ABC 부트캠프 25일차 (1) | 2023.04.14 |
|---|---|
| ABC 부트캠프 23일차 (1) | 2023.04.12 |
| ABC 부트캠프 22일차 (0) | 2023.04.11 |
| ABC 부트캠프 21일차 (0) | 2023.04.10 |
| ABC 부트캠프 20일차 (0) | 2023.04.07 |