| 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 |
- web
- 알고리즘
- math
- algorithm
- GAN
- Meta Learning
- FineGrained
- nlp
- 3d
- PRML
- Depth estimation
- 딥러닝
- Torch
- Python
- REACT
- computervision
- 자료구조
- SSL
- FGVC
- clean code
- classification
- ML
- CV
- 머신러닝
- Front
- Vision
- nerf
- cs
- dl
- pytorch
- Today
- Total
목록ML (148)
KalelPark's LAB
[CLEAN CODE] Clean Python, tqdm 활용하기
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..
[논문 리뷰] TransFG [2021]
GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/AI_PAPER GitHub - kalelpark/AI_PAPER: Machine Learning & Deep Learning AI PAPER Machine Learning & Deep Learning AI PAPER. Contribute to kalelpark/AI_PAPER development by creating an account on GitHub. github.com Abstract 최근 Vision Transformer가 강세를 보이고 있습니다. Transformer의 self attent..
[논문 리뷰] EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks [ 2019 ]
GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/AI_PAPER GitHub - kalelpark/AI_PAPER: Machine Learning & Deep Learning AI PAPER Machine Learning & Deep Learning AI PAPER. Contribute to kalelpark/AI_PAPER development by creating an account on GitHub. github.com Introduction ✨ 해당 논문은 연구에 따른 new scaling method을 적용한 EfficientNet을 소개합..
[ Computer Vision ] Jigsaw Generator 구현
ComputerVision task에서는 Model의 성능을 올리기 위해, Image에 여러가지 Data Augmentation 기법들이 제안됩니다. 이미지를 자르거나, 다른 이미지와 겹치게 함으로써 Image의 덜 중요한 부분까지 focusing하거나, Image의 덜 중요한 부분을 dropout 하도록 합니다. 최근 여러 논문에서는 CutMix, Cutblur, Mixup 등이 소개되고 있는데, 이러한 data augmentation을 만들기 이전에, 기본적으로 이미지를 Patch로 생성한 후, Patch를 섞는 코드를 구현해보도록 하겠습니다. * 예시 Img import random from PIL import Image import torch from torchvision import datase..