옛날 블로그

https://hub.docker.com/r/chstone/mxnet-gpu/ docker build -t 태그/태그 ./과 같은 형식으로 빌드하면 된다. 그리고, docker images를 통해 살펴보면, 해당하는 태그 이름으로 이미지가 따뜻하게 구워져있다. Dockerfile FROM chstone/mxnet-gpu:latestMAINTAINER PKS Prakash # Install dependenciesRUN apt-get update && apt-get install -y python2.7 python-pip python-dev ipython ipython-notebook python-pip default-jre # Install pip and Jupyter notebookRUN pip inst..

기본적인 설치와 한번 돌려보는것에 목적을 둔다. # installing prerequisite for tensorflowinstall.packages("devtools")devtools::install_github("rstudio/tensorflow")devtools::install_github("rstudio/keras") library(keras)install_keras() install.packages("h2o", dependencies = T) library(h2o) localH2O = h2o.init() 포트 54321에서 UI가 돌아간다.

출처 : https://deeplearning4j.org/kr/compare-dl4j-torch7-pylearn각각의 라이브러리의 특징을 간단한 버전만 가지고 옴. Pytorch(+) 결합하기 쉬운 많은 모듈 조각(+) 자신만의 레이어 유형을 작성하고 GPU에서 실행하기 쉬움(+) Lua. ;) (대부분의 라이브러리 코드는 Lua로 되어있음, 읽기 쉬움)(+) 사전 학습된 모델 대거 존재(+) PyTorch(-) Lua(-) 보통 스스로 학습 코드를 작성해야 함 (적은 플러그 앤 플레이)(-) 상업적 지원 없음(-) 미완성 문서 Theano (+) Python + Numpy(+) 컴퓨테이셔널 그래프에 적합한 추상화(+) 컴퓨테이셔널 그래프에 RNN이 잘 맞음.(-) Raw Theano는 수준이 낮은 편임..

본 글에서 스페이스바가 이상하게 먹힌건, 애플이 스페이스바가 초기불량난 상태의 맥북을 신제품 맥북이라고 팔아먹고, 도저히 못쓰겠어서 3달된 이놈을 고치려고 다시 가져가니 소비자과실로 덤탱이씌우고 100만원을 요구했기때문이다. 이런 바보같은 제품을 비싸게 주고사지않았으면 하는 간절한 마음이다.만약 열심히 번호판을 신경망을 훈련시키고나서 다음과 같은 결과가 나왔다고 하자.소프트맥스를 통과시키면 모든 클래스에 대해 합이 1로 떨어지게 된다. 예를들어, 숫자에는 1~3밖에 나올수 없다고 치면,1로 분류 - 10%2로 분류 - 20%3로 분류 - 70% (정답)이런식으로 튕겨나온다는것이다. 소프트맥스는 일반 시그모이드의 함수와 다를바가 없으나 모든 클래스에대해 합이 100%가 나오게 조정해준다는 점이 다르다. 참..

ㅎ ㅔ ㅎ ㅔ 회사 옆자리에 붙어있어서 좋아보여 찾아냈다.

OpenCV에서 신경망등을 학습할때 ROW_SAMPLE 등의 인자를 넣는경우가 있는데, public static final int VAR_NUMERICAL = 0, VAR_ORDERED = 0, VAR_CATEGORICAL = 1, TEST_ERROR = 0, TRAIN_ERROR = 1, ROW_SAMPLE = 0, COL_SAMPLE = 1;

case of classification problem the responses must be categorical리스폰스, 즉 라벨링 데이터는 정수타입이여야 한다. Mat객체를 만들때 CV_32S 로 주도록 한다.org.xmlpull.v1.XmlPullParserException: expected: '>' actual: '태그가 잘 안닫혔으니 잘 닫힘을 확인하면 된다. C++ at() function 에 인자 하나면 한줄짜리에다가 적용하는건데, java wrapper에서는 직접 0라인이라고 명시해야한다.

https://github.com/bytedeco/javacv/issues/586 Successful solution for Duplicate files exception as below. MUST use the correct duplicateFileException file name 'org/bytedeco/javacpp/macosx-x86_64/libusb-1.0.dylib'.packagingOptions { pickFirst 'org/bytedeco/javacpp/macosx-x86_64/libusb-1.0.dylib' /exclude 'META-INF/services/javax.annotation.processing.Processor' pickFirst 'META-INF/maven/org.byte..

아래와 같은 이미지상에서 부식 Erosion떨어져나간다~ 팽창 Dilation통통해진다~ 열기 Opening열어재끼자~ 수축했다 팽창하면, 노이즈가 사라진다. 닫기 Closing닫아재끼자~ 팽창했다 수축하면, 노이즈가 사라진다. 형태학적 그라디언트 Morphological Gradient수축과 팽창과의 차이

실제 범주 값, 예측된 범주 값, 예측에 대한 추정된 확률. TP (True Positivie) - 정확하게 관심범주를 분류 TN (True Negative) - 정확하게 관심범주가 아닌것을 분류 FP (False Positive) - 관심범주로 잘못 분류 FN (False Negative) - 관심범주가 아닌것으로 잘못 분류 이 위에 것들은 솔직히 헷갈리는데, True라는것이 항상 제대로 분류했다는 의미로 트루트루를 한번 복창하면 될듯하다. gmodels 패키지에 속하는 CrossTable은 기본적인 table() 함수보다 제공되는 것들이 많다. 혹은 caret 패키지 (Classification And REgression Training) 에서 confusionMatrix() 메서드가 있다. 한국말로..