- 전체보기(97)
- LSTM(6)
- Named Entity Recognition(3)
- NER(3)
- Bidirectional LSTM(3)
- linkedlist(3)
- Intent Classification(2)
- Forward_propagation(2)
- Faster R-CNN(2)
- cost function(2)
- R-CNN(2)
- RNN(2)
- 2-layer Neural Network(2)
- L-layer Neural Network(2)
- sigmoid(2)
- Recurrent Neural Network(2)
- bidirectional(2)
- f1 score(2)
- 1D CNN(2)
- softmax(2)
- Cost after iteration(1)
- 커리어 스킬(1)
- Backward_propagation(1)
- Sparsity Problem(1)
- mergeTwoLists(1)
- threeSum(1)
- Linear-Activation Forward(1)
- reverselist(1)
- Reuters(1)
- Normalizing(1)
- MIni-Batch Gradient Descent(1)
- ICCV2015(1)
- SimpleRNN(1)
- Linear Backward(1)
- torch.ones()(1)
- optimization(1)
- 장기의존성(1)
- Multi Kernel(1)
- path(1)
- input gate(1)
- json to csv(1)
- 결측치 제거(1)
- IOB Tagging(1)
- RNN Language Model(1)
- .replace(1)
- Career Skill(1)
- Cat vs. non-cat(1)
- Gradient check(1)
- Fast R-CNN(1)
- initialize(1)
- Planar(1)
- 특수문자 제거하기(1)
- Deep RNN(1)
- python(1)
- 경로 셀(1)
- BiLSTM + CNN(1)
- 거꾸로 출력(1)
- Lossfunctions(1)
- linkedlist to string(1)
- MachineLearning(1)
- Prediction(1)
- &&(1)
- dropout(1)
- 거꾸로 비교하기(1)
- palindrome(1)
- 행 분리(1)
- output gate(1)
- Char Embedding(1)
- momentum(1)
- 소문자로 변환하기(1)
- .split()(1)
- Non-Regularized Model(1)
- Deep Neural Network(1)
- two pointer(1)
- image2vector(1)
- Multi-kernal 1D CNN(1)
- cell state(1)
- biLSTM(1)
- N-Dimensional Gradient Checking(1)
- Initialization(1)
- Bidirectional RNN(1)
- IJCV2013(1)
- 괄호 안의 내용 지우기(1)
- L-model Backward(1)
- maxprofit(1)
- longestPalindrome(1)
- groupAnagrams(1)
- BIO Tagging(1)
- NNmodel(1)
- L-layer Model(1)
- csv변환(1)
- tensorflow developer certificate(1)
- triplets(1)
- 셀 나누기(1)
- forget gate(1)
- GRU(1)
- Backward Propagation Module(1)
- DeepLearning(1)
- Simple RNN(1)
- divmod(1)
- 중첩json(1)
- DNN(1)
- enumerate(1)
- 글자 임베딩(1)
- He Initialization(1)
- Deep Bidirectional RNN(1)
- learning rate decay(1)
- dict(1)
- Linear activation backward(1)
- 열 나누기(1)
- L2 regularization(1)
- addTwoNumbers(1)
- 데이터프레임(1)
- Gradient Checking(1)
- twosum(1)
- 특수문자 지우기(1)
- sorted(1)
- Standardize(1)
- Gradient Descent(1)
- CNN(1)
- isPalindrome(1)
- Learning_rate(1)
- ELMO(1)
- R-CNN Background(1)
- defaultdict(1)
- Update parameters(1)
- Zero Initialization(1)
- Learning Rate(1)
- POS Tagging(1)
- Random Initialization(1)
- numpy(1)
- dic(1)
- Initialize_parameters(1)
- ner_dataset.csv(1)
- Backword_propagation(1)
- adam(1)
- 3차원 리스트(1)
11-5. 볼링공 고르기 Python3
A, B 두 사람이 볼링을 치고 있다.두 사람은 서로 무게가 다른 볼링공을 고르려고 한다.볼링공은 총 N개가 있으며 각 볼링공마다 무게가 적혀 있고, 공의 번호는 1번부터 순서대로 부여된다. 또한 같은 무게의 공이 여러 개 있을 수 있지만, 서로 다른 공으로 간주한다.
11-4. 만들 수 없는 금액
N개의 동전이 주어질 때, 이 동전들로 만들 수 없는 양의 정수 금액 중 최솟값을 구하는 프로그램을 작성하시오.입력출력...정답 보고 의욕 상실함ㅋ그래도 풀었다는거에 의의를 두겠다...복잡한.. 내 코드의 순서도쓰다보니 갑자기 틀렸다는 걸 깨닳은 ... 그래도 앵간 예
11-3. 문자열 뒤집기 Python3
다솜이는 0과 1로만 이루어진 문자열 S를 가지고 있다. 다솜이는 이 문자열 S에 있는 모든 숫자를 전부 같게 만들려고 한다. 다솜이가 할 수 있는 행동은 S에서 연속된 하나 이상의 숫자를 잡고 모두 뒤집는 것이다. 뒤집는 것은 1을 0으로, 0을 1로 바꾸는 것을 의
11-2. 곱하기 혹은 더하기 Python3
각 자리가 숫자로만 이루어진 문자열 S가 주어졌을 때, 왼쪽부터 오른쪽으로 하나씩 모든 숫자를 확인하며 숫자 사이에 'x' 혹은 '+' 연산자를 넣어 만들 수 있는 가장 큰 수를 구하는 프로그램을 작성하시오.(단, + 보다 x를 먼저 계산하는 일반적인 방식과 달리, 모
11-1. 모험가 길드 Python3
한 마을에 모험가가 N명 있습니다. 모험가 길드에서는 N명의 모험가를 대상으로 '공포도'를 측정했는데,'공포도'가 높은 모험가는 쉽게 공포를 느껴 위험 상황에서 제대로 대처할 능력이 떨어집니다. 모험가 길드장인 동빈이는 모험가 그룹을 안전하게 구성하고자 공포도가 X인
Faster R-CNN Method and Results
핵심 : 하나의 unified 된 네트워크로 detection을 수행전체적으로이런 느낌인데, 순서를 설명하자면그렇다면 Fast R-CNN과 다른 점은 무엇일까이전 글에서도 설명했다시피,Fast R-CNN은 전체 영상을 CNN으로 받아 bounding box와 class
Faster R-CNN Background
R-CNN전체적인 흐름이 궁금해서 논문 찾아보면서 정리해보려고...Object Detection (객체 탐지) : 시멘틱 객체 인스턴스를 감지 ex) 얼굴, 보행자 검출Classification + Localization : 시멘틱 객체를 찾았다. Object
3-2. 큰 수의 법칙 Python3
다양한 수로 이루어진 배열이 있을 때 주어진 수들을 M번 더하여 가장 큰 수를 만드는 법칙.단 배열의 특정한 인덱스에 해당하는 수가 연속해서 K번을 초과하여 더해질 수 없다.예를 들어 2, 4, 5, 4, 6으로 이루어진 배열이 있을 때, M이 8이고, K가 3이라면
.replace로 원하는 특수문자와 괄호 안의 내용 지우기
역시나 지난 글에서 사용했던 데이터를 사용한다.데이터 내용을 확인해보니 불필요한 특수문자와 특수문자 안의 내용을 지우고 싶은 생각이 들었다..replace를 사용하여 지워보자.평범한 기호들은 위 코드로 거의 다 지울 수 있다.pat = r'\[' 여기서 \[대신에 다른
.split()완전정복
지난 글에 이어서 imgs_tags의 내용을 두 개의 셀로 분리해보자.위 imgs_tags안에는 이미지 이름과 색깔의 정보가 각각 저장되어 있는데, 두 개의 셀로 분리하고 싶다.각각 path와 color의 열을 만들어 분리해낸다.여기서 기준점이 되는것은 :이므로 :을
한 행 안의 여러개의 내용을 여러 행으로 분리하기
지난 글에 이어 한 행 안의 여러개의 내용을 여러 행으로 분리하는 방법을 알아보자.위 사진의 imgs_tags열에는 여러개의 중괄호로 정보가 담겨있고, ,를 기준으로 나뉘어있다.여기서 split함수를 사용하여 각각을 분리한 후, 하나로 합치기 위해 Series로 바꿔준
to_csv중첩되어있는 json파일을 csv로 변환하기
json파일 상태다.구글에 치면 json to csv변환기가 많은데 내 파일은 중첩이 되어있어 그런지 변환이 안됐다... 유감...그래서 이것저것 만져보긴 했는데 가장 쉬운 방법은 .to_csv 이용하기별...거... 아니었음그치만 하나의 optional_tags에 여
'[]'결측치 제거하기
TensorFlow - Help Protect the Great Barrier Reef대회 문제를 풀다가 train을 찍어보니 아래처럼 0번부터 15번까지는 결측치가 있다는 걸 확인했다. 이를 지워주고자 한다.위 코드를 확인해보자. 우선 train안에서 string의
['Path']경로 셀 만들기
이미지 처리를 할 때면 파일의 경로를 만들어 줘야 하는 경우가 생긴다. 여기서는 Tensorflow-Help Protect the Great Barrier Reef대회로 예시를 들어보겠다.이런 경로 주소를 위 train.csv파일의 맨 오른쪽에 새로운 셀로 추가해보자.
Github 사용하기
(1~4번까지는 순서 상관 x)1\. 깃 다운로드하기2\. 자기 깃허브로 들어가서 레포 만들기3\. vs code키기4\. 원하는 곳에 파일을 만들기5\. code를 누르면 나오는 주소를 복사6\. vs code에서 단축키 ctrl+'로 터미널 열기 1\. 터미널에서c
TensorFlow Developer Certificate 후기
환경 설정하는 데 시간이 오래 걸리는 것 같아서 나는 코랩을 이용해서 코드를 적고 h5파일을 다운받아서 해당 디렉토리에 넣는 방법으로 제출했다.1\. 시험신청우선 tensorflow 사이트에서 시험 신청을 하면 된다.맨 처음으로 여권 사진을 업로드/즉시 촬영 해서 업데
!unzip -q -o zip파일 열기
캐글에서 데이터셋을 옮겨올 때 zip파일 형식으로 된 데이터들을 사용하는 방법이다. n_train = len(os.listdir('./train'))n_test = len(os.listdir('./test'))print(f'Train images: {n_train}')
cv2.resize() 이미지 사이즈 조절하기
사진을 열어봤는데 이미지 크기가 너무 큰 경우 cv2.resize()를 이용하여 원하는 크기로 줄일 수 있다.맨 아래 코드로 줄인 이미지를 저장한다.그럼 출력파일에 저장되기 때문에 후에로 쉽게 접근할 수 있다.위 코드를 응용하여 전체 파일에 대해 사이즈를 조절해보자.