반응형

Python 266

[PyTorch] YOLOv3 학습을 위한 VOC2007 커스텀 데이터셋 생성하기

COCO dataset은 용량이 너무 크기 때문에 구글 코랩에서 YOLOv3을 학습시키는데에 무리가 있습니다. 여러번 시도했지만.. 실패했네요ㅎㅎ 그래서 저용량의 VOC2007 dataset을 가져왔습니다! VOC2007 dataset을 다운로드 받고, 커스텀 데이터셋을 생성하여 바운딩박스 출력값이 (class, cx, cy, w, h)되도록 만들겠습니다. 구글 코랩을 마운트 합니다. from google.colab import drive drive.mount('yolov3') dataset을 다운로드 받고 압축을 풀어줍니다. 다운로드 받을 디렉토리 경로를 잘 설정해줘야 합니다. !mkdir train !mkdir test !wget http://pjreddie.com/media/files/VOCtrai..

[파이썬 알고리즘 인터뷰] 38. 일정 재구성

이 포스팅은 파이썬 알고리즘 인터뷰를 공부하면서 정리한 내용입니다. 출처 : 파이썬 알고리즘 인터뷰 코드 출처 : 파이썬 알고리즘 인터뷰 깃허브 38. 일정 재구성 leetcode 332. Reconstruct Itinerary 문제입니다. leetcode.com/problems/reconstruct-itinerary/ 풀이 여행 일정을 그래프로 구성해서 dfs로 푸는 풀이입니다. # 반복 dfs 풀이 def itinerary(self, ticket): graph = collections.defaultdict(list) for a, b in sorted(ticket): graph[a].append(b) route, stack = [], ['JFK'] while stack: while graph[stack..

Python/알고리즘 2021.03.13

[파이썬 알고리즘 인터뷰] 37. 부분 집합

이 포스팅은 파이썬 알고리즘 인터뷰를 공부하면서 정리한 내용입니다. 출처 : 파이썬 알고리즘 인터뷰 코드 출처 : 파이썬 알고리즘 인터뷰 깃허브 37. 부분 집합 leetcode 78. Subsets 문제입니다. leetcode.com/problems/subsets/ 풀이 def subsets(self, nums): result = [] def dfs(index, path): result.append(path) for i in range(index, len(nums)): dfs(i+1,path+[nums[i]]) dfs(0, []) return result

Python/알고리즘 2021.03.13

[파이썬 알고리즘 인터뷰] 36. 조합의 합

이 포스팅은 파이썬 알고리즘 인터뷰를 공부하면서 정리한 내용입니다. 출처 : 파이썬 알고리즘 인터뷰 코드 출처 : 파이썬 알고리즘 인터뷰 깃허브 36. 조합의 합 leetcode 39. Combination Sum 문제입니다. leetcode.com/problems/combination-sum/ 풀이 dfs와 백트래킹을 활용한 풀이법입니다. def combinationSum(self, candidates,target): result=[] def dfs(csum, index, path): # 종료 조건 if csum < 0: return if csum == 0: result.append(path) return # 자신 부터 하위 원소 까지의 나열 재귀 호출 for i in range(index, len(c..

Python/알고리즘 2021.03.13

[파이썬 알고리즘 인터뷰] 34. 순열

이 포스팅은 파이썬 알고리즘 인터뷰를 공부하면서 정리한 내용입니다. 출처 : 파이썬 알고리즘 인터뷰 코드 출처 : 파이썬 알고리즘 인터뷰 깃허브 34. 순열 leetcode 46. Permutations 문제입니다. leetcode.com/problems/permutations/ 풀이 dfs를 활용해서 순열을 생성하는 풀이입니다. def permute(self, nums): results = [] prev_elements = [] def dfs(elements): # 리프 노드일 때 결과 추가 if len(elements) == 0: results.append(prev_elements[:]) # 순열 생성 재귀 호출 for e in elements: next_elements = elements[:] ne..

Python/알고리즘 2021.03.09

[파이썬 알고리즘 인터뷰] 33. 전화 번호 문자 조합

이 포스팅은 파이썬 알고리즘 인터뷰를 공부하면서 정리한 내용입니다. 출처 : 파이썬 알고리즘 인터뷰 코드 출처 : 파이썬 알고리즘 인터뷰 깃허브 33. 전화 번호 문자 조합 leetcode 17. Letter Combinations of a Phone Number 문제입니다. leetcode.com/problems/letter-combinations-of-a-phone-number/ 풀이 def letterCombinations(self, digits): def dfs(index, path): # 끝까지 탐색하면 백트래킹 if len(path) == len(digits): result.append(path) return # 입력값 자릿수 단위 반복 for i in range(index, len(digit..

Python/알고리즘 2021.03.09

[파이썬 알고리즘 인터뷰] 32. 섬의 개수

이 포스팅은 파이썬 알고리즘 인터뷰를 공부하면서 정리한 내용입니다. 출처 : 파이썬 알고리즘 인터뷰 코드 출처 : 파이썬 알고리즘 인터뷰 깃허브 32. 섬의 개수 leetcode 200. Number of Islands 문제입니다. leetcode.com/problems/number-of-islands/ 풀이 1은 섬을 의미합니다. grid에서 섬인 인덱스를 찾으면, dfs로 확장해 나갑니다. def numIslands(self, grid): if not grid: return 0 def dfs(i, j): # 더 이상 땅이 아닌 경우 종료 if i = len(grid) or \ j = len(grid[0]) or \ grid[i][j] != '1': return gr..

Python/알고리즘 2021.03.09

[자료구조] DFS(깊이 우선 탐색), BFS(너비 우선 탐색) 구현

그래프 순회(Graph Traversals) 그래프 순회란 그래프 탐색이라고도 불리우며 그래프의 각 정점을 방문하는 과정을 말합니다. 그래프의 각 정점을 방문하는 그래프 순회(Graph Traversals)는 크게 깊이 우선 탐색(DFS, Depth-First Search)와 너비 우선 탐색(BFS, Breadth-First Search)의 2가지 알고리즘이 있습니다. DFS가 일반적으로 BFS에 비해 더 널리 쓰입니다. DFS는 주로 스택으로 구현하거나 재귀로 구현하며 백트래킹을 통해 뛰어난 효용을 보입니다. 반면 BFS는 주로 큐로 구현하며, 그래프의 최단 경로를 구하는 문제 등에 사용됩니다. 그래프 순회 알고리즘인 DFS와 BFS를 파이썬으로 구현해보도록 하겠습니다. 그래프를 우선 정의합니다. 그래..

Python/알고리즘 2021.03.06

[PyTorch] 러닝 레이트 스케쥴러(Learning Rate Scheduler) ReducedLROnPlateau 함수

파이토치는 learning late scheduler로 ReduceLROnPlateau 함수를 제공합니다. ReduceLROnPlatea 함수는 val_loss가 향상되지 않고 정체되어 있으면 learning late를 factor배로 감소시킵니다. # define a learning rate schedule from torch.optim.lr_scheduler import ReduceLROnPlateau lr_scheduler = ReduceLROnPlateau(opt, mode='min', factor=0.5, patience=20, verbose=1) # try it out for i in range(100): lr_scheduler.step(1) patience를 20으로 설정했기 때문에, 20 ..

[PyTorch] Single Object Detection 모델 생성하기

Single object detection을 위한 간단한 모델을 생성하겠습니다. convolutional layer, pooling layer, skip connection을 활용한 모델입니다. # implement the model class import torch.nn as nn import torch.nn.functional as F # define the bulk of the model class class Net(nn.Module): def __init__(self, params): super(Net, self).__init__() C_in, H_in, W_in = params['input_shape'] init_f = params['initial_filters'] num_outputs = pa..

반응형