🤖딥러닝 (18) 썸네일형 리스트형 [Docker] 도커로 딥러닝 환경 구축하기 A to Z 1. 도커 이미지 다운 1-1.Docker hub(https://hub.docker.com/)에서 'pytorch' 검색 클릭 1-2. 적절한 버전의 tags선택 1-3. Tag에서 버전 확인 후 copy 1-4. (터미널) 도커에 pytorch 이미지 가져오기 docker pull : docker pull pytorch/pytorch:2.0.1-cuda11.7-cudnn8-runtime 1-5. (터미널) 다운받아진 도커 이미지 확인 docker images 확인결과, PyTorch와 CUDA, cuDNN이 포함된 pytorch/pytorch:2.0.1-cuda11.7-cudnn8-runtime 이미지가 설치된것을 확인할 수 있다. 이때 IMAGE ID는 26551f1051e7이다. 1-6. (터미널).. CrossEntropyLoss Label Smoothing code 01. 클래스 별 weight 계산 # 클래스별 샘플 수 count_class_0 = 10000 #y_train에있는 0과1의 갯수 count_class_1 = 400 # 전체 샘플 수 total_count = count_class_0 + count_class_1 # 클래스별 가중치 계산 weight_class_0 = total_count / (2 * count_class_0) weight_class_1 = total_count / (2 * count_class_1) # 가중치 텐서 생성 weights = torch.tensor([weight_class_0, weight_class_1]) weights = weights.to(device) 02. Label Smoothing Loss function 정의.. CalibratedClassifierCV python code 01. Import library & make dataset import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt from sklearn.ensemble import RandomForestClassifier from sklearn.calibration import CalibratedClassifierCV, calibration_curve from sklearn.metrics import roc_auc_score from sklearn.model_selection import train_test_split from tqdm import tqdm_notebook as tqdm import os i.. [논문 리뷰] Prediction of white-coat hypertension and white-coat uncontrolled hypertension using machine learning algorithm 01. Introduction White-coat hypertension(WCH)은 의료진이 혈압을 측정하는 동안에만 과도하게 높은 혈압(Blood pressure)이 나타나는 현상을 의미하며 (즉, 일상적인 환경에서는 혈압이 정상범위에 있지만, 병원 등 낯설고 긴장되는 환경에서 혈압을 잴 때일시적으로 혈압이 과도하게 높게 나타나는 현상), 높은 Blood Pressure로 병원에 내원하는 환자들 중, 10~30%가 White-coat hypertension이 나타난다. 이러한 현상은 주로 의사나 간호사 등 의료진과의 상호작용, 긴장, 불안등으로 인해 혈압이 일시적으로 상승하는 것인데, 일반적으로는 White-coat hypertension이 나타나더라도 특별히 문제가 있는 것은 아니다. 하지만 일부 사.. [데이터사이언스 면접 질문 모음](1) 과적합(Overfitting) / 불균형 데이터(Imbalanced data)와 샘플링(Sampling) / 활성화 함수(Activation function) / 경사하강법(Gradient descent) / 기울기 소실 문제(Vanishing Gradient.. 01. 과적합(overfitting) 📍과적합(overfitting)이란 무엇이고, 과적합이 발생했을 때 어떠한 방식으로 해결할 수 있는가? '과적합(overfitting)'은 모델이 학습 데이터에만 지나치게 최적화되어, 학습에 사용되지 않은 새로운 데이터에 대해서는 성능이 떨어지는 현상을 의미한다. 예를들어 토익 시험을 보기 위해 한 권의 문제집으로 영어를 공부하는 학생이 있다고 가정한다. 문제집에 나와있는 모든 문제를 거의 외우다시피 공부한 학생은 다시 그 문제집에 있던 문제를 풀었을 때 100점이 나온다(즉, 학습성능이 높다). 하지만 문제집에 없던, 처음 보는 문제들이 가득한 실제 토익 시험에서는 성적이 떨어지게 되고 이를 일반화 성능이 낮다고 표현한다. 이처럼 모델이 주어진 학습데이터만을 너무 .. 이전 1 2 3 4 다음
