Draft 기울어져있다 tapered 상태, 구배 구배 parting line에 따라서 방향성이 달라짐. Parting Line이 중요하다. parting line은 금형의 상판과 하판이 되는 지점을 뜻 함. 1개의 파트에서 하나는 금형도, 하나는 가공도 이렇게

revolve_5 tan선 그릴때 제대로 tan표시하기 정면으로 그릴 때, center line 그리면 편함 revolve6Driver ![](htt

동계 방학동안 진행한 synopsys특강을 수료했다. 수료증 나왔다 ㅎㅎ 배운 내용을 정리해두긴 했는데 저작권 문제로 비공개로 올려둔 상태이다.

Vitis_HLS쓰기 위해서 linux 환경으로 갈아타고 있는데 xfopenCV를 쓰기 위해서 cmake를 설치하는데 버전이 왜 인지 몰?루 지만 cmake 공식홈페이지에 최신버전이 3.29로 나옴 근데 3.51이상이 필요하다고 해서 이게 버전이 옛날거 같은데..

zybo z7-20에 linux system을 올려야 할 것 같아서 설치해보려고 한다.xilinx의 FPGA SoC에 리눅스 시반의 소프트웨어 개발을 위해서 xilinx가 개발한 tool이라고 함. 이거 올려서 영상처리에 도움이 될려나...? 쨋든 그래서 필요할거 같음

docker 와 파일을 공유 cd /workspace/tutorials/RESNET18/files source run_all.sh quantize_resnet18_cifar10source run_all.sh compile_resnet18_cifar10source run

docker docker ps -l docker의 container ID확인 docker commit docker commit -m "image-classifiers installed" e053c10079f7 xilinx/vitis-ai-tensorflow2-cpu

vitis - ai 실행하려는데 vi ~/.zshrc 가 잘 안먹어서 다시 하기 우선 도커가 무엇인가 docker "Docker(도커)"는 오픈소스 커뮤니티 프로젝트, 오픈소스 프로젝트 툴, 해당 프로젝트를 주로 지원하는 기업인 Docker Inc. 및 해당 기업이

Vitis-ai는 우분투랑 다른 한개에만 설치가 가능한 모양이다. 설치해보자. 기정이의 블로그를 열심히 참고해서 따라가고 있다... 감사하다. 혼자서 애먹고 있었는데 ㄹㅇ 고마움 우선 우분투를 실행했더니 로그인 되어있는 상태였다. root@desktop 어쩌구 저쩌구

Vitis - Ai Tutorial에 대해 공부해보자. 영상으로 배운 내용을 바탕으로 Tutorial의 과제1을 하는게 목표임. 다양한 Tool을 사용해서 Docker와 vitis - ai 그리고 CIFAR10 Dataset 등을 활용할 예정RESNET18: 18계층으

생성적 적대 신경망 줄여서 GAN(간)이라고 부르는 알고리즘을 이용해 위와 같은 가상의 얼굴을 만들었다. GAN 딥러닝의 원리를 활용해 가상 이미지를 생성하는 알고리즘 GAN은 적대적 경합을 통해 진짜 같은 가짜를 생성하는 원리 가짜를 만들어 내는 파트를 '생성

의미를 전달하려면 각 단어가 정해진 순서대로 입력되어야 하기 때문입니다. 즉, 여러 데이터가 순서와 관계없이 입력되던 것과 다르게, 이번에는 과거에 입력된 데이터와 나중에 입력된 데이터 사이의 관계를 고려해야 하는 문제 생김. 순환 신경망 순환 신경망은 여러 개의 데

인공지능 비서는 사람의 말을 듣고 대답을 해준다. 이는 사람의 언어를 이해하는 능력이 필요하다는 것. 이번 장에서는 자연어 처리에 대해 배워보자 자연어의 전처리 입력될 테스트가 준비되면 이를 단어별, 문장별, 형태소별로 나눌 수 있다. 토큰 이렇게 작게 나누어진 하나의

손 글씨를 인식해보자 MNIST 데이터는 텐서플로의 케라스 API를 이용해 불러오기 ㄱㄴ from tensorflow.keras.datasets import mnist학습에 사용될 부분: X_train, y_train테스트에 사용될 부분: X_test, y_test(X

아이오와주 에임스 지역에서 2006년부터 2010까지 거래된 부동산 판매기록을 보았을 때 80개의 서로 다른 속성이 존재했다. 주거 유형, 차고, 자재 및 환경에 관한 다른 속성을 이용해 볼건데 빠진 자료, 부족한 자료가 포함되어 있다. 이때 어떻게 할 것인가?먼저 데

1. 데이터의 확인과 검증셋 import pandas as pd !git clone https://github.com/taehojo/data.git #와인 데이터를 불러옴 df = pd.read_csv('./data/wine.csv', header=None) #데이터

실험 정확도를 평가하는 방법과 성능을 향상시키는 머신러닝 기법 모델을 설정하고 결과를 보니 100%의 정확도가 나타났다. 정말일까?과적합 모델이 학습 데이터셋 안에서는 일정 수준 이상의 예측 정학도그러나 새로운 데이터에 적용하면 잘 맞지 않는 것을 의미 빨간색 선은 주

클래스가 2개가 아닌 3개, 참 거짓이 아닌 여러 개 중에 어떤 것이 답인지다중 분류 여러 개의 답 중 하나를 고르는 문제 import pandas as pd!git clone https://github.com/taehojo/data.gitdf = pd.rea

1. 딥러닝과 데이터 데이터의 양도 중요하지만 '필요한' 데이터도 중요하다. 데이터가 머신 러닝과 딥러닝에 효율적으로 사용되게끔 가공되었는지도 중요 데이터 분석에 가장 많이 사용하는 파이썬 라이브러리 판다스 , 맥플롯립 2. 피마 인디언 데이터 분석하기 피마 인

10장 딥러닝 모델 설계하기 텐서플로, 케라스를 이용해서 딥러닝을 배울수 있따. 1. 모델의 정의 #텐서플로 라이브러리 안에 있는 케라스 API에서 필요한 함수들을 불러옵니다. from tensorflow.keras.models import Sequential f