끄적끄적 인생기

https://github.com/Jenny-Jo/aiffel/blob/master/%5BE5%5D%20speech%20recognition/spectrogram%20-%20conv2d.ipynb 72ukjKFAs3Pg8aY git init (저장소 만들 때 초기화시 사용) 1. git add . (전체) git add 파일명 2. git commit -m "메시지" git remote add origin 경로 (원격에 있는 것 로컬로 가져올 때?) git status로 확인해보세요 3. git push origin (master/main) git pull origin main

AlexNet 2012년 세계 이미지 대회 ILSVRC 대회에서 우승한 모델임 2위 모델과는 10프로 이상의 압도적인 성능으로 1위 달성 별로 좋은 평가받지 못한 LeCun의 Lenet5와 유사 GPU 사용 (GTX580) 무엇을 개선하였나? 머신러닝 탈피! 기존 object recognition에서 머신러닝 기법이 일반화 되어 있었음. Ex) SVM 머신러닝 사용시 small dataset은 좋은 성능을 냈으나, 성능이 좋은 일반화를 위해선 larger dataset을 학습시켜야 함. 심층신경망 모델 사용 -> Vanishing Gradient문제 해소도 함 (Relu 활성화 함수 사용. Tanh 보다 6배 빠름) Larger dataset사용 ( 학습비용도 낮춤) 과대적합 방지 : Dropout Ov..

이번주는 부쩍 아이펠에 들어와서 다행이다라고 생각이 들었다. 이렇게 화기애애하게 다같이 도우려고 하는 것이 인상적이었고 나도 도움을 많이 얻어서 너무 좌절하지 않아도 된다는 것을 깨닫는 중이다. 프로젝트는 어거지로 어떻게 시간에 맞춰서 했고, 밀린 노드만 수두룩이지만, 너무 겁먹지 않고 용기 있게 하는 것이 중요함을 이젠 안다. 이전엔 회피성향이 심해져서 스터디에 참여하고 싶어도 마음이 괴로워 그냥 피해버렸는데, 그게 얼마나 아까운 기회를 놓치게 했는 지를 안다. 그저 아이펠에 나를 맡기고 싶다. 다음주는 해커톤 진행 + 설날 4일 휴일이라 이번주 주말까진 그래도 밀린거 다 하려고 한다. 밀린거 봐도 이젠 안무섭다 이 말이야. 해커톤은 단 이틀만 진행한다고 한다는데 잘 할 지는 모르겠다 . 특별상 비타민..

- 밀린 노드들이 너무 많아서 우선 기한이 있는 프로젝트부터 하게되어 또 이번주 것도 밀렸다. 나는 우선순위를 노드에 두었기 때문에 주말에라도 밀린건 어떻게든 끝장낼 생각이다. - 이번주 알고리즘에 쉬운 문제를 발표 맡았다. 처음 풀었을 때 너무 막막하고 갖가지 경우의 수가 생각나 이걸 어떻게 푸나 막막해 하다 결국 답지를 보며 깨우쳐 나갔는데, 그냥 예시를 갖고 그걸 갖고 풀다보면 조금씩 원리가 보인다는 것이 내 깨달음이었다. 또한 남들이 어떻게 했나를 보면서 좀 더 성장할 수 있다는 것을 느꼈다. - 딥러닝에 대해 학문적으로 배우다 보니 예전에 배웠던 것들 중 너무 이해가 안갔던 부분이 이해가 갔다. 예를 들면 행렬 transpose 가 왜 필요한 지 , 왜 rnn, cnn 의 모델 생김새는 그렇게 ..

점점 내용이 어려워지며 첫주의 그 총기는 어디가고 멍한 머리만 남았다. 그리고 낮밤이 바뀌어 엉망이 되어 학습시간에 제대로 집중을 못하게 되었다. 원래도 야행성이라 맞추기가 정말 힘들다. 최대한 몇가지 규칙을 만들어서 맞춰가려고 하는데 생각보다 쉽진 않다. 그래도 몇가지 정한 것이 있다면 pomodoro timer (50분 공부 +10분 쉬기)*4번 + 20분 쉬기 를 지키면서 공부하기 우선순위를 정해 중요한 것을 우선으로 하기 ( LMS 회독 > 프로젝트 제출 > 못다한 공부 ) 모르는 것 위주로 블로그에 올려서 나만의 오답노트 완성 해야할 것들 다이어리에 적어서 완료한 것 하나 당 천원씩 매겨서 월말 결산하여 모인 돈으로 맛있는거 사먹기 (목표금액은 2만원!) 꼭 필요한 건 다 하고 가기 어차피 놀 ..

재현율(sensitivity,recall) 참 중에서 참긍정(TP)인 비율 거짓 부정으로 판단시 위험이 큰 경우 중요한 지표 사실 암인데 암이 아니라고 판단할 경우가 위험 정밀도(precision) 참이라 판단한 경우 참 긍정의 비율 실제 참을 얼마나 정밀하게 판단 했는가. 거짓 긍정의 영향이 큰 경우 중요하게 사용 스팸메일 : 일반 메일을 스팸으로 판단하면 위험 F1 score 재현율과 정밀도의 조화평균 두 지표가 균형을 이룰 때 가장 큰 값. 한 지표가 커질 수록 작은 값이 되는 특성이 있음

In [2]: def fibonacci(n): if n 새로운 키 값을 저장시켜줌 return number In [11]: memory = {1: 1, 2: 1} def fibonacci(n): if n in memory: number = memory[n] else: number = fibonacci(n-1) + fibonacci(n-2) memory[n] = number return number print(fibonacci(100)) print(memory) 354224848179261915075 {1: 1, 2: 1, 3: 2, 4: 3, 5: 5, 6: 8, 7: 13, 8: 21, 9: 34, 10: 55, 11: 89, 12: 144, 13: 233, 14: 377, 15: 610, 16: 98..

1. 새로운 값 추가 conductor = {'first_name': '단테', 'last_name': '안'} conductor['gender'] = 'male' print(conductor) 2. 제거 .pop() conductor = {'first_name': '단테', 'last_name': '안'} conductor.pop('last_name') print(conductor) 3. 키와 값 둘 다 뽑기 .items() conductor = {'first_name': '단테', 'last_name': '안'} for key, value in conductor.items(): print(key + ' : ' + value) 그냥 for문 써주면 키만 뽑아준다. pop은 처음 보는데, 사전에서 뜻 찾..

list_123 = [1, 2, 3] list_123.append(4) print(list_123) list_123.remove(4) print(list_123) # 값 제거 list_123.pop(0) print(list_123) # 특정 순서의 값 제거 한번 돌려보자!

while 뒤에는 참과 거짓이 갈릴 수 있는 명제가 옴 for i in A 뒤 : 값이 여러개 있는 목록 A에서 값을 하나씩 꺼내 i 변수에 담아 반복문 실행 - 목록에는 문자열도 가능 for character in 'Hello': print(character) H e l l o iterable object : 하나씩 순서대로 넘길(iterate)수 있는 값들