기계는 거짓말하지 않는다

PyTorch는 torch.utils.data.Dataset과 torch.utils.data.DataLoader의 두 가지 데이터셋 라이브러리를 제공하며 미리 준비된(pre-loaded) 데이터셋 뿐 아니라 가지고 있는 데이터를 사용할 수 있다. Dataset은 data와 label을 저장한다. DataLoader는 Dataset에 쉽게 접근할 수 있도록 iterable 객체로 만들어 주고 sampler, shuffle, batch_size 등 다양한 매개변수를 설정 할 수 있다. from torch.utils.data import Dataset from torch.utils.data import DataLoader class CustomDataset(Dataset): def __init__(self, ..

try, except, else, finally를 사용할 수 있다. try: # 실행 코드 except: # 예외가 발생 했을 경우 실행 코드 else: # 예외가 발생하지 않았을 때 실행 코드 finally: # 예외 발생 여부와 상관없이 항상 실행 코드 try, except만 명시하면 오류를 지정하지 않으면 모든 오류에 대해 예외 처리를 한다. try, except (발생 오류)를 사용하면 지정 한 오류에 대해서만 예외 처리를 한다. try: # 실행 코드 except: # 모든 오류에 대해 처리 try: # 실행 코드 except ZeroDivisionError as e: # ZeroDivisionError 예외 처리 try, except (발생 오류) , except (발생 오류) ...는 여러 ..

import pandas as pd raw_data_path = "./data.csv" skiprows = 1 encoding = "utf-8" df= pd.read_csv(raw_data_path, skiprows=skiprows, encoding=encoding) # Column 컬럼의 row 값이 1인 행만 df = df[df['Column'] == 1] # loc을 사용하는 경우 문자열 인덱스를 사용 # iloc을 사용하는 경우 행 번호를 사용 print(df.loc["Index", "Column"]) print(df.iloc[0, 1]) print(df.iloc[0].iloc[1]) print(df.iloc[0][1]) print(df.iloc[0].loc['Column']) print(df.i..

우선순위에 따른 정렬이 가능하다. Declaration #include #define MAX_Q_SIZE 101 typedef enum bool{ false, true }bool; typedef enum eSelectMenu { selectPush = 1, selectPop, selectPeek, selectExit } eSelectMenu; typedef struct ProcessInfo {// 프로세스 정보 저장을 위한 구조체 int pid; int remainingJob; bool initialize; }ProcessInfo; int queueElement = 0;//현재 큐에 있는 프로세스 수 ProcessInfo pQueue[MAX_Q_SIZE];// 우선순위 큐 bool IsNew(int); ..

Pytorch에서 model을 선언 후 validation 혹은 test를 진행할 때 model.eval()과 with torch.no_grad(): 혹은 함수에 @torch.no_grad를 선언한다. 이 의미는 다음과 같다. no_grad Pytorch의 autograd engine을 사용하지 않는다. 신경망 학습을 지원하는 PyTorch의 자동 미분 엔진이다. 이것은 gradient 계산을 하지 않는다는 의미이다. 역전파(backpropagation)를 진행하지 않고 이렇게 함으로써 계산에 대한 메모리 소비를 줄인다. test 시에는 이 과정을 활용하지 않기 때문에 명시한다. model.eval() 선언한 모델을 평가 모드로 전환한다. training 시에 model.train()을 선언하는 것과 다..

in을 사용해서 하나의 요소가 있는지 판별 가능하다. ex) if e in string: 여러 요소를 한꺼번에 판별하고 싶을 때 any와 for을 함께 사용한다. # 판별하고 싶은 요소 element = ["One", "Two", "Three", "Four"] # 요소들이 들어있거나 들어있지 않은 string string_list = ["abcdOneqwerThreeABCD", "cvbnmtyui", "ertyui", "NNNNNFour"] for string in string_list: if any(e in string for e in element): print(string)

C언어의 getopt와 같은 역할을 하는 명령행 파싱 모듈이다. 콘솔에서 실행할 때 매개변수를 명령어로 지정할 수 있다. add_argument의 default 매개변수는 입력하지 않아도 기본으로 지정되는 값이며 없을 경우 None이다. help 매개변수는 --help 또는 -h 입력 시 도움말이다. type 매개변수는 기본 타입을 지정한다. 타입과 다를 경우 에러를 출력한다. action 매개변수는 True 또는 False를 지정할 수 있다. import argparse def parse_opt(): parser = argparse.ArgumentParser() parser.add_argument('--str', type=str, default="String Option", help='string ty..

import os dir_path = "test/files" file_names = os.listdir(dir_path) for name in file_names: src = os.path.join(dir_path, name) dst = name.replace("old_char", "new_char") dst = os.path.join(dir_path, dst) os.rename(src, dst)