분류 전체보기94 [Xml] 오른쪽 정렬하기 CSS, XML 특 : 귀찮음 특히 정렬이 어딜 가나 문제인데, 오른쪽 정렬에 대해서 알아보자. 목적 : 나는 LinearLayout 안에 있는 것들끼리의 정렬을 수행하고 싶다. 흔히 오른쪽 정렬이라고 하면, 아래의 코드를 추가하라고 한다. android:layout_gravity="right" 한 번 추가해보자. 달라진 거 찾을 수 있는 사람? 미세하게 쓰레기통이 올라갔다. 이럴 때는 새로운 View를 추가하면 된다. 전체코드 더보기 2023. 7. 18. [CNN] 구름 분류 ~ 이번 팀플의 메인 주제인 구름 분류 하기 (저번에 에러는 잡아서, 이번에는 제대로 정리+오류 잡기에 목표를 두고 하는 걸로!) ~ 데이터는 캐글데이터 사용! 기본적인 코드는 블로그 참고 1. 사용할 모듈 import from PIL import Image import os, glob, numpy as np import os from sklearn.model_selection import train_test_split import os, glob, numpy as np from keras.models import Sequential from keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout from keras.callbacks impo.. 2023. 7. 14. [Dropbox] 코랩에서 Dropbox 사용해서 사진 불러오기 ~ 미루고 미루다가 드디어 작성하는 글! 원래 Dropbox 사용해서 하려다가 눈에 안 보여서 포기했는데, 그래도 혹시 필요한 사람 있을 수도 있으니 쓰는 글~ 팀플을 편하게 하기위해서, 데이터를 dropbox에 올려두고 사용하기로 했다. (근데 하다가 그냥 하기로 결정! ) 1. 폴더 참여 클릭 2. 링크 복사 클릭 3. 코랩에서 실행 !wget https://www.dropbox.com/s/g1acls0cycvn4hg/kaggle_1.zip?dl=1 -O kaggle_1.zip !unzip kaggle_1.zip 여기서 wget이란, 웹 서버로부터 콘텐츠를 가져오는 컴퓨터 프로그램이다. 이 후 입맛에 맞게 잘 쓰면 된다 2023. 7. 14. [정보처리기사 필기] 2일 공부 합격 후기 (전공자기준) 사실 이번에 정보처리기사 공부할 생각이 없었는데, 다들 따는 분위기이기도 하고 필요할 것 같아서 부랴부랴 신청했다. 얼마나 부랴부랴냐면, 빈자리 접수 때 접수했다...ㅎ 그래서 시간이 상대적으로 너무 적었는데 운 좋게 합격해서(딱 60점) 따끈따끈한 합격후기를 쓴다! 0. 베이스 아무래도 학교에서 배운게 시험에 많이 나오다 보니까, 공부하기가 수월했던 것은 사실이다. 겹치는 건 자료구조, 알고리즘, 운영체제, 데이터베이스 정도 들었는데, 이 과목들 모두 A+입니다... 하하 물론 이때도 공부를 열심히 한건 아닌데, 한 거에 비해서 잘 받은 상태였다. 근데 공부하면서 느낀게 작년에 정처기 공부했으면 더 공부하기 편했을 것 같다..... 배운 지 오래라 기억이 잘 안 났다.... 1. 교재 나는 시험이 7월.. 2023. 7. 12. [CutMix] 실습 및 정리 ~ 이번 팀 프로젝트를 하게 되면서 처음으로 딥러닝을 시작하게 되었는데, 이제 더이상 안할 것같아서 기록하고자 한다.~ 개념 딥러닝 모델에게 데이터는 중요한 존재이다. 데이터는 많을수록 좋기 때문이다. 그래서 한 이미지를 다양한 방법으로 변형시켜 이미지 데이터 수를 늘리는 방법인 데이터 증강(Data Augmentation)을 딥러닝에서 많이 사용한다. 그 중 Cutmix는 훈련 이미지들의 패치들이 자르고 붙여져 이미지의 레이블들 또한 패치들의 영역에 정비례하게 섞이게 하는 방법이다. Cutout(2017년)과 Mixup(2017년)이라는 이전에 소개된 방법들을 혼합한 방법으로서, 두 방법들의 단점들을 해결하였다. Cutout은 이미지의 일부를 사각형으로 잘라내는 방법으로, 중요한 feature들이 모여.. 2023. 5. 18. [딥러닝] CNN Architectures AlexNetVGGGoogLeNetResNetAlexNet기존으로 non-딥러닝 모델을 능가하는 성능을 보여주었다.최초로 딥러닝과 conv net을 적용하여 CNN으로 눈에 뛸 만한 성과를 낸 첫 CNN이다.구조적으로 LeNet-5와 비슷하나 조금 더 많은 layer를 가진다는 차이가 있다.2개로 분할하여 2개의 GPU에서 학습하였다.(GTX 580 GPU 2개, 각각 3GB의 메모리 첫번째 레이어(conv1)의 output size는? filter가 64개이므로 output의 channel도 64개이다. H/W = (227-11+2*2)/4+1 = 56 H/W =(W-K+2P)/S+1 첫번째 레이어(conv1)의 memory(KB)는? output의 개수 : 64*56 * 56 = 200,704 C*H.. 2023. 5. 18. 이전 1 ··· 3 4 5 6 7 8 9 ··· 16 다음
