개발자로 살아남자 개발자로 살아남자

프로듀스 101처럼 300명을 뽑아서 2차, 3차, 4차를 거치며 최종으로 30명만 남아있을수 있었던 경쟁 프로그램 운 좋게도 마지막 프로젝트에서 1등을 하면서 우수상을 수상할수 있었다 (내가 조장을 맡았지만 조원들과의 합이 잘맞았고 조원들이 너무 너무 너무 잘 따라와 주었다) 경쟁 프로그램이었던것 만큼 살아남기 위해 어떤 수업보다 열심히 듣고 공부했던것 같다. 디자인 전공인 나에게 3년동안 기획업무만 하던 나에게 개발자로서의 발돋움을 가능하게 했던 프로그램 2기가 진행한다고 하니 하기와 같은 프로그램 커리큘럼(1기)을 올리니 도움이 되었으면 한다. 최종까지 올라가면 인턴십을 할수있는 특전이 주어지기 때문에 열심히 했던것 같다. 2기에 도전하는 사람들이 있다면 열심히 하면 얼마든지 가능성이 있다고 전달해..

1. ImageGenerator를 이용하지 않고 분류 1)Dataset Download https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia/data# 2)필터제작 및 특징 추출 model = models.Sequential() model.add(layers.Conv2D(32, (3,3), activation="relu", input_shape=(150,150, 3))) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(64, (3,3), activation="relu")) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(12..

0)parameter optimizer=rmsprop batch_size=16 epochs=20 1)데이터셋 로드 (train_data, train_targets), (test_data, test_targets) = boston_housing.load_data() 2)데이터 shape 확인 print( train_data.shape ) print( train_targets.shape ) 3)정규화 mean = train_data.mean(axis=0) train_data -= mean std = train_data.std(axis=0) train_data /= std test_data -=mean test_data /=std 4)모델 만들기 model = models.Sequential() model.a..

0)파라미터 설정 -LearningRate:0.01 -Epochs:15 -Optimizer=sgd -BatchSize=32 1)keras에 내장된 mnist데이터를 통해 train, test 데이터 및 라벨을 로드함 (train_images, train_labels), (test_images, test_labels) = mnist.load_data() 2)데이터 직접 확인해보기 Train image(25개 뽑아서 확인) Train label(25개 뽑아서 확인) 3)데이터 셋을 3차원 ->2차원으로 변경 train_images = train_images.reshape(60000, 28 * 28) test_images = test_images.reshape(10000, 28*28) 4)normalize t..

1.환경설정 (tf1) C:\Users\achin>pip install cython contextlib2 matplotlib pillow lxml 2.pycocotools 설치 pip install pycocotools 하지만 아래와 같이 오류가 날수 있음 ERROR: Failed building wheel for pycocotools 오류 해결을 위해 https://github.com/cocodataset/cocoapi 사이트에서 api 다운로드 후 해당 파일에 넣어준 후에 cocoapi-master\PythonAPI 파일에 들어가서 하기 코드로 실행했지만 실패 python setup.py 구글링을 통해 찾아보니 하기 깃허브를 설치함에 따라 오류를 해결할수 있다는것을 보고 설치했더니 오류 해결 (원인은..

회사에 필요한 딥러닝을 좀더 배우고 시계열 데이터를 사용해볼수 있는 좋은 기회인것 같아서 엘리스에서 오프라인 프로젝트 강의를 수강신청했어요 https://academy.elice.io/tracks/108/info 앞으로 너무 기대가 되고 많은 걸 배울 수 있을 것 같아서 관련정보를 많이 찾아보았는데요 일주일에 한번씩 진행되는 프로젝트도 하기 두 장소중 한 장소에서 진행된다고 해서 너무 기대됩니다(무엇을 해도 집중이 잘될것 같은 곳!!) 강남역 네이버 D2 스타트업팩토리 라운지 강남역 빌딩 블럭스 과목 구성도 파이썬 기초부터 배울수 있어서 기초가 부족한 사람도 쉽게 접할수 있어서 너무 좋은것 같아요 그리고 온라인 강의를 통해 언제 어디서든 실습문제를 풀어보면서 쉽고 재밌게 코딩을 배울 수있다는 점이 엘리스..

Training 1. 데이터셋 설정 img_size - 224 dataset - train 1000(cat 500 dog 500) / test 400(cat 200 dog 200) 2. 이미지 전처리 ImageDataGenerator를 이용해 이미지 개수를 세배로 늘림 - shear_range #시계반대방향으로 밀림 강도 범위내에서 임의로 원본이미지 변형 - zoom_range # 지정된 확대/축소 범위내에서 임의로 원본 이미지 확대/축소 - horizontal_flip=True # 수평방향으로 뒤집기 (하지만 내 PC에 이미지가 저장되는것은 아님. 이미지를 저장하려면 따로 어플리케이션을 사용해야함) 3. Keras내 Vgg 코드 호출 개와 고양이 만 분류하고 싶기 때문에 초기 5 개의 회선 블록 만 사..

1. tf.train.Saver()을 이용해 모델 저장 1-1.Tensorflow 저장 1)~.meta 파일: Tensorflow graph에 대한 정보를 저장 2)~.index 파일: a protocol buffer with a list of recent checkpoints 3)~.data 파일 : 변수값을 포함 4)checkpoint 파일 : 학습을 통해 구해진 weight parameter들을 저장(단순히 최근 상태만 저장)