Jerry StoryWalk

대회명 : 소설 작가 분류 AI 경진대회 기 간 : 2020.10.29 ~ 2020.12.04 주 제 : 문체 분석 알고리즘 개발 설 명 : 소설 속 문장뭉치 분석을 통한 저자 예측 주 관 : DACON EDA 본 EDA 과정은 Google Colaboratory 를 사용하였습니다. import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline path = '/content/drive/MyDrive/dacon/author/' train = pd.read_csv(path + 'train.csv', index_col=0) test = pd.read_csv(path + 't..

darknet.exe 파일까지 만들었다면 이제 나의 이미지를 학습시킬 차례이다. 잊어버리기 전에 업로드 하고 싶어서 아직까지 내 컴퓨터에서 학습중이다. darknet.exe 를 만들었다면 동일 경로로 cmd 를 이동시키고 명령어를 알아보자. darknet.exe detector train data/obj.data cfg/yolov3.cfg darknet53.conv.74 data/obj.data 파일 내용 classes = 2 train = data/train.txt names = data/obj.names backup = backup/ 나의 경우는 "토마토" 와 "흑미밥" 의 이미지를 학습시키기 때문에 종류가 2개 이므로 classes 는 2로 설정했다. train 은 훈련시킬 데이터의 경로와 이름이다..

Yolo.... darknet 쉽지 않은 상대다. 이것저것 많이 해봤는데 결국 실패해서 태초마을로 돌아왔다. Visual Studio, CUDA, cudnn, openCV 를 다 삭제했다. 처음부터 다시 시작해보자. 게시물에 적은 순대로 설치를 시작합니다. 버전에 대해서는 제가 설치한 버전으로 설명합니다. 나의 컴퓨터 사양 CPU : intel i7-7700 GPU : NVIDIA GTX 1050ti (ㅠㅠ) RAM : 16GB OS : WINDOWS 10 (64bit) 1. Visual Studio 2015 다운받기. 다운로드 링크 : Visual Studio 2015 2. NVIDIA CUDA 10.1 설치하기 다운로드 링크 : CUDA 10.1 다운로드하기 3. Cudnn 설치하기 (v7.6.4 f..

많은 난관이 예상되지만 혼자서 이미지 인식을 목표로 한번 달려보자. 첫 번째는 개발 환경을 만드는 것이다. 나는 Python을 주로 사용하기 때문에 일단 Anaconda 와 Jupyter notebook 에서 시작한다. 나중에 사진 학습을 위해 GPU 가 사용될 수 있어 Colab 으로 넘어갈 수 있지만 일단은 이렇게... #1. 환경 설정 나는 Window 10 환경을 사용하였다. (1) anaconda 에서 가상환경 만들기. (Python 3.6 ver) (2) 여기 에서 open CV 파일 다운 받기. (저는 opencv_python-4.4.0-cp36-cp36m-win_amd64.whl 다운했습니다.) (3) 요기 에서 numpy 파일 다운 받기. (저는 numpy-1.18.5+mkl-cp36-c..

이제 데이터를 만져봐야한다. 첫 번째 : total_bedrooms 에만 특성이 없는 경우들이 있었다. (total_bedrooms 만 20433 이다) housing.info() ----------------------------------------- RangeIndex: 20640 entries, 0 to 20639 Data columns (total 10 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 longitude 20640 non-null float64 1 latitude 20640 non-null float64 2 housing_median_age 20640 non-null float64 3 total_r..

# 목적 캘리포니아 인구조사 데이터를 사용해 캘리포니아 주택 가격 모델 만들기. 학습시킨 모델에 다른 측정 데이터가 주어졌을 때 구역의 중간 주택 가격을 예측해야 함. # 파라미터 설명 total_rooms: 전체 방의 개수 total_bedrooms : 전체 침실 개수 population : 인구 수 households : 세대 수 median_income : 중간 소득 median_house_value : 중간 주택 가격 ocean_proximity : 바다 근접도 longitude : 경도 latitude : 위도 housing_median_age : 주택 지어진 기간(중앙값) 1단계 : 문제 정의 이번 작업은 "지도 학습" or "비지도 학습" or "강화 학습" or etc... 중에 무엇일지 ..