kwan's note

matrix library로 코드는 맨 아래 깃헙 링크에 공개 하였습니다. 행렬 연산을 위한 cpp 라이브러리 입니다. 먼저 constructor는 다음과 같습니다. KwanMat::KwanMat(const int rows, const int cols, float matrices[]) : numRows(rows), numCols(cols) { matNums = new float[numRows * numCols]; if (matrices == 0) { for (unsigned int i = 0; i < numRows * numCols; i++) matNums[i] = 0; } else { for (unsigned int i = 0; i < numRows * numCols; i++) matNums[i] = ..

cpp를 이용해 간단한 토이 프로젝트를 진행하였습니다. 추가적인 파일이나 라이브러리 추가 없이 빈 파일에서 커맨드라인에서 실행되는 테트리스를 구현하는것을 목표로 하였습니다. 콘솔창에서 구동되는 실행 화면은 다음과 같습니다. 게임 종료 화면은 다음과 같습니다 먼저 main.cpp 에서는 다음과 같이 Game header를 포함하고 이름을 받아와 해당 아이디로 게임을 실행합니다. #include "Game.h" int main() { std::cout name; Application game(name); game.Run(); } Game.h에서는 application을 선언하고 게임 플레이에 필요한 함수를 application.cpp에서 구현하였다. 이때 블록에 관한 정보는 block.h에 정의하였습니다. ..

저번에는 google net 의 version 3인 inception v3를 이용해서 petal to metal의 classification을 진행하였습니다. 이번에는 조금 더 효율을 높이고자 augmentation을 하였고 또 inception v3모델이 아닌 최근 가장 강력한 모델중 하나인 efficient net을 이용하였습니다. www.kaggle.com/c/tpu-getting-started Petals to the Metal - Flower Classification on TPU Getting Started with TPUs on Kaggle! www.kaggle.com reminder-by-kwan.tistory.com/119 캐글 -petal to medtal (pre trained mod..

www.kaggle.com/c/tpu-getting-started Petals to the Metal - Flower Classification on TPU Getting Started with TPUs on Kaggle! www.kaggle.com pedal to medal 을 오마주한 꽃 classification 이다. 104종류의 꽃을 classify하는 기본적인 image classification 문제인데 정말 간단한 방법으로 적당한 수준의 classification을 진행했다. 최고의 점수를 받기 위한 방법도 아니고 input도 전체중 일부만 사용하였다. input data도 다 사용하지 않고 상위30%의 점수를 받았으니 가성비는 좋다고 생각한다. def decode_image(image_d..

fashion mnist classifier를 만들어 보았는데 fully connected layer로 만드니 cross validation accuracy가 생각보다 잘 안나와 cnn을 이용해 분류해 보았습니다. 가장 먼저 fashion mnist는 10종류의 의류 이미지(총 6만개)를 가진 데이터셋입니다. 아래 보이는것처럼 다양한 종류의 풀오버, 바지 가방, 코드 등이 제공되고 이 분류를 맞추는것 입니다. 저는 tensorflow 의 sequential model을 이용하였습니다. from __future__ import absolute_import, division, print_function, unicode_literals import tensorflow as tf from tensorflow i..

www.kaggle.com/c/titanic/ Titanic - Machine Learning from Disaster Start here! Predict survival on the Titanic and get familiar with ML basics www.kaggle.com 캐글의 대표문제중 하나인 타이타닉의 예측을 진행해보도록 하겠습니다. 데이터를 불러오고 열들을 살펴보겠습니다. 각각의 인덱스는 id, 생존여부, 좌석등급, 이름, 성별, 나이, 가족수, 부모/자식수, 티켓번호, 가격, 짐, 탑승장소로 이루어져 있습니다. null data를 먼저 확인해보았습니다. age cabin embarked에 null data가 포함되어있습니다. 다음으로 sex는 male female로 적혀있는것을 enco..