일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- Python
- cs
- nlp
- nerf
- dl
- ML
- PRML
- pytorch
- web
- classification
- math
- FGVC
- algorithm
- REACT
- 머신러닝
- clean code
- Torch
- FineGrained
- 3d
- Vision
- 알고리즘
- 딥러닝
- computervision
- 자료구조
- CV
- Front
- SSL
- GAN
- Meta Learning
- Depth estimation
- Today
- Total
목록Python (36)
KalelPark's LAB
Pickle이란? - 텍스트 상태의 데이터가 아닌 파이썬 객체 자체를 바이너리 파일로 저장하는 것을 의미합니다. - 텍스트 형태로 파일을 저장하는 것이 아니라, Dictionary, list, tuple과 같은 형태로 필요한 부분을 저장하는 것이다. 하지만, 문자열이 아닌 객체를 파일에 쓸 수 없기 때문에 pickle 모듈을 활용하여, 객체 자체를 binary로 저장하는 것이다. * 무거운 텍스트 파일을 binary형태로 저장한 것이기 때문에, 필요할 때만 불러오기만 하면 되기 때문에 속도가 상당히 빠릅니다. Pickle Module로 저장하고 불러오기 import pickle f = open("a.pkl", "rb") # pickle 불러오기 temp = pickle.load(f) f.close() f..
Pandas Groupby - Group DataFrame using a mapper or by a Series of columns. (Mapper를 사용하거나, 일련의 열을 기준으로 데이터 프레임을 그룹화합니다.) - Groupby는 결과를 결합하고, 함수를 적용하고, 객체를 분할하는 역할을 합니다. Groupby for Statistics - 데이터 프레임에 .groupby(Column) + 통계함수로 그룹별 통계량을 확인할 수 있습니다. - 통계 결과는 통계계산이 가능한 수치형(numerical) 컬럼에 대해서만 산출합니다. df.groupby("sex").mean() df.groupby("sex").var() .agg()를 활용하여 다중 통계량을 구할 수 있습니다. - .agg()에서 문자열로 지..
tqdm이란? - 파이썬(Python)에서 반복문을 도는 경우, 진행 정도를 Progress Bar의 형태로 보여주는 것이 가능합니다. tqdm은 아랍어에서 파생된 언어로 taqadum의 축약형이며, 영어로는 Progress라는 뜻입니다. https://github.com/tqdm/tqdm GitHub - tqdm/tqdm: A Fast, Extensible Progress Bar for Python and CLI A Fast, Extensible Progress Bar for Python and CLI - GitHub - tqdm/tqdm: A Fast, Extensible Progress Bar for Python and CLI github.com Baseline - 기본적으로, 순회가능한 객체를 첫..
ERROR 명 : AttributeError: 'DataParallel' object has no attribute 'classifier_concat' optimizer = optim.SGD([ {'params' : model.classifier_concat.parameters(), 'lr' : 0.002}, {'params' : model.conv_block1.parameters(), 'lr' : 0.002}, {'params' : model.classifier1.parameters(), 'lr' : 0.002}, {'params' : model.conv_block2.parameters(), 'lr' : 0.002}, {'params' : model.classifier2.parameters(), 'lr..