세션 노션 다시 보면서 모르는 용어, 헷갈리는 단어 찾아보기
그림으로 개념간의 관계 정리하기(피그마)
코랩 파일 셀 하나씩 실행해보기
API 강의 녹화 보기
코드카타
두 개 뽑아서 더하기
def solution(numbers):
a = []
for idx1, key in enumerate(numbers):
for idx2 in range(idx1+1,len(numbers)):
a.append(numbers[idx1]+numbers[idx2])
answer = list(set(a))
answer.sort()
return answer다른 사람 풀이
def solution(numbers):
answer = []
for i in range(len(numbers)):
for j in range(i+1, len(numbers)):
answer.append(numbers[i] + numbers[j])
return sorted(list(set(answer)))아이디어 자체는 비슷함..!
근데 이걸 보니 나는 enumerate를 왜썼지 싶음
CNN 세션
전이학습 -> 누가 미리 만들어둔 거 갖다 쓰기
피쳐 익스트렉션 - 가중치고정해서 새로운 데이터의 특징을 추출
파인 튜닝 - 가중치고성해서 데이터의 라벨을 추가하고 전체 모델을 재학습해서 미세조정
피쳐 익스트렉션 vs 파인 튜닝
프리 트레인에 뚱뚱한 CNN 부분이 들어있고
FC layer 부분에 MLP가 들어있는거(FCL = MLP)
텍스트, 숫자는 몇천자 넘어가도 kb 수준
근데 이미지는 최소 mb..
그래서 기존에 가지고 있는 이미지를 뻥튀기를 할 거임
(어쨌든 양질의 데이터가 많을 수록 좋기 때문에~)
어떻게 뻥튀기를 하느냐? 좌우반전, 색 변경, 확대축소, ...
앞서선 net이 들어가면 모델이었는데
ImageNet 이거는 데이터셋임
강아지 머핀
VGG넷 논문 훑어보기
vgg 16 resnet
원래는 7x7이나 5x5를 많이 썼었는데, 3x3을 여러 번 쓰는게 더 성능이 좋더라
파이토치가 연구에 적용하기엔 빠르고 가벼움
근데 서빙을 할거라면 tensorflow이 좀 더 적합함
코랩 주신거 실행해보면서 어떤 식으로 진행하면 되는지 이해하기
전이학습 관련 참고 자료 정독하기
회고
오늘 프로젝트 발표자료 수정한 거 피드백을 받고 왔다
전보다는 나아졌다고 하셨지만 좋다고 말할 정도도 아니라고 하셨다
돌아보니 튜터님이 말씀하신 내용들 중에 포함되어있지 않은 요소들도 많았다
실무에선 그 모든에 다 녹아있어야 진짜 일을 했다고 할 수 있는거겠지..?
그리고 태도에 대한 말씀도 해주셨다
들으면서 이번 프로젝트 동안의 나를 돌아봤는데, 태도 측면에서 부족한 부분이 많았던 것 같다
어떻게 내가 같이 일하고 싶은 사람으로 거듭할 수 있을지, 실행력있는 사람이 될 수 있을지 생각해보고 실천해야겠다
.
내일 할 거
- 세션 내용 복습
- 코랩 파일 셀 하나씩 실행해보기
- 발표자료 수정 마무리하기
