전체 글

array : data type = homogeneous / sequence data type. 같은 종류의 순서가 있는 데이터. 프로그래밍 용어 => indexing, slicing, sequence operatoration 가능함 sequence operatoration? x = [1, 2, 3] x + x >> [1, 2, 3, 1, 2, 3] 'abc' + 'bcd' >> 'abcbcd' 3*'abc' >> 'abcabcabc' Tensorflow에서 Operator overloading ? 원래 array + array = 뒤에서 붙어주는 연산인데 tensorflow에서는 vectorization으로 지원해줌 vectorization연산? elementwise방식으로 loop 없이 동시에 여러번..

Focus not on constructing a data collection but rather on describing "what" that data collection consists of. Encapsulation One obvious way of focusing more on "what" than "how" is simply to refactor code, and to put the data construction in a more isolated place-i.e., in a function or method #configure the data to start with collection = get_initial_state() state_var = None for datum in data_se..

Composite pattern의 활용 composite pattern 중 하나의 속성은 inheritance를 대신 할 수 있음 class A: class C: class B: def __init__(self): self.a = A() self.c = B() def multi(self): return self.a * self.b class AA: a = 1 def aaaa(slef, x): self.b = x def aaa(self): return self.b class BB(AA): pass 상속의 문제점 : AA와 coupling. 밀접하게 연결이 되어 있어서, class AA가 바뀌면 class BB의 기능도 바뀌어짐. class CC: ## AA가 변할 때 같이 안 변함 a = 1 # overi..

Feature space Feature Space Feature Space란, 정의한 feature의 N 차원으로 정의됨. 만약에 2개의 feature를 정의하였으면 2차원으로 정의됩니다. 다만, target label은 포함되지 않습니다. Feature Space coverage feature space coverage는 매우 중요합니다. train과 evalutation을 위한 데이터의 예시는, 대표성을 띄어야 하니다. 즉, 모델에 전달될 requests와 이 requests가 feature space에 있는 경우 해당 feature space의 영역도 model을 train하거나 evaluation할 때 다뤄야 합니다. 동일한 classes에 대한 동일한 차원 image data에 대한 비슷한 특성..

You Only Look Once: Unified, Real-Time Object Detection 2 Stage Object Detection : 위치 → 분류 1 Stage Object Detection : 위치 + 분류 → Confidence = acc. + IoU ⇒ confidence 50% 이상인 경우에만 물체가 있을 확률이 높다고 판단, 50% 이하의 경우 무시 Abstract 속도가 매우 빠름, 45 frame/second (cf. Faster-RCNN 0.5 sec/frame) YOLO가 당시 SOTA detection model에 비하여 localization error가 더 있지만 background에 대한 false-positive가 더 적음 : 있는데 없다고 하는 경우는 더 적음 ..

Normalization 정규화 IMG_SIZE = 180 resize_and_rescale = tf.keras.Sequential([ layers.Resizing(IMG_SIZE, IMG_SIZE), layers.Rescaling(1./255)]) '정규화'라고 번역이 되는데 Regularization, Standardzation과 차이가 무엇일까? Normalization : 값 범위를 왜곡시키지 않고 데이터셋을 공통 스케일로 변경하는 것. ex. KNN, K-means 등 distance based algorithms을 사용할 때 입력 데이터의 범위를 한정 시키는 것. Min-max scaling 등 Z-score normalizatioin : 편차가 크면 over fitting 문제가 생기기 때문..