목록Machine Learning (38)
ecsimsw
언어 구분 학습 / Scikit-learn 연습 /SVM
SVM https://ecsimsw.tistory.com/entry/Support-Vector-Machine-Random-Forest Support Vector Machine / Random Forest from sklearn import svm, metrics clf = svm.SVC() clf.fit(valData,labelData) pre = clf.predict(valTEST) actualScore = metrics.accuracy_score(LabelTEST,pre) from sklearn.ensemble import RandomForestCl.. ecsimsw.tistory.com 언어 구분 학습 - 파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문에 소개된 언어 구분 학습 예제이다. - 기본..
Crawling / Scraping / 구글 이미지 크롤러
1) urllib / BeautifulSoup - Beautiful Soup is a Python library for pulling data out of HTML and XML files. #example1 from bs4 import BeautifulSoup html =""" jinhwan web page main point is... """ soup = BeautifulSoup(html, 'html.parser') print(soup.body.h1) # jinhwan print(soup.body.p) # webpage pointSentence = soup.find(id="point") print(pointSentence) # main point is... pList = soup.find_all("p..
Machine Learning / Generic Algorithm
Introduction - Teachable machine을 사용해보고, 유튜브로 머신 러닝 영상들을 찾아보다가, 유전 알고리즘으로 자동차 자율 주행을 위한 최적의 조건을 찾는 영상이나 그네를 타기 위해 학습시키는 영상을 보게 되었고, 재밌어보여서 공부하게 되었다. - 유전 알고리즘을 공부하고, 간단하게 자율 주행 자동차를 위한 최적의 조건을 찾아보았다. Generic Algorithm - 사건 안에서 더 나은 결과를 갖는 염색체들끼리의 유전 정보 교차하여 세대를 거듭하면, 점점 더 나은 염색체를 얻을 수 있겠다는 생각에서 시작. - Chromosome : 염색체, Gene : 유전자, Child : 자손, Fitness : 적합도 Process - 유전 알고리즘을 구현하기 위한 순서는 다음과 같았다. ..
Teachable machine / teachable machine 사용법 / 구글 티쳐블 머신
https://teachablemachine.withgoogle.com/train 구글에서 런칭한 무료 머신러닝 서비스. 신기함 반, 심심함 반으로 사용해봤는데, 머신러닝이 이렇게 재밌는 거구나 생각했다. 좌측 class 라인에 분류할 이미지 class 별 명칭을 적고, 웹캠이나 직접 사진을 업로드하여 Training하면 끝. Preview에서 마찬가지로 데이터를 넣어 시험해볼 수 있고, Export Model을 통해, javascript 코드나 Model 파일을 추출할 수 도 있다. // More API functions here: // https://github.com/googlecreativelab/teachablemachine-community/tree/master/libraries/image /..
/// matmul_op.cc #endif // GOOGLE_CUDA template class MatMulOp : public OpKernel { public: explicit MatMulOp(OpKernelConstruction* ctx) : OpKernel(ctx), algorithms_set_already_(false) { OP_REQUIRES_OK(ctx, ctx->GetAttr("transpose_a", &transpose_a_)); OP_REQUIRES_OK(ctx, ctx->GetAttr("transpose_b", &transpose_b_)); LaunchMatMul::GetBlasGemmAlgorithm( ctx, &algorithms_, &algorithms_set_already_); ..
/// matmul_op.cc 1468 REGISTER_KERNEL_BUILDER #if defined(INTEL_MKL) // math kernel library TF_CALL_float(REGISTER_CPU_EIGEN); #else TF_CALL_float(REGISTER_CPU); #define REGISTER_CPU_EIGEN(T) \ REGISTER_KERNEL_BUILDER( \ Name("MatMul").Device(DEVICE_CPU).TypeConstraint("T").Label("eigen"), \ MatMulOp); #define REGISTER_CPU(T) \ REGISTER_KERNEL_BUILDER( \ Name("MatMul").Device(DEVICE_CPU).TypeCon..
/// REGISTER_KERNEL_BUILDER(Name("SparseApplyAdadelta") \ .Device(DEVICE_CPU) \ .TypeConstraint("T") \ .TypeConstraint("Tindices"), \ SparseApplyAdadeltaOp); /// #define REGISTER_KERNEL_BUILDER_UNIQ(ctr, kernel_builder, ...) \ constexpr bool should_register_##ctr##__flag = \ SHOULD_REGISTER_OP_KERNEL(#__VA_ARGS__); \ static ::tensorflow::kernel_factory::OpKernelRegistrar \ registrar__body__##ctr..
stackexchange_ What's the difference between user registers and kernel registers? "Answer" It's simple - when each application program runs, it has access to its own set of registers. When you switch to other application, these register contents is saved to memory, and registers, saved from other application, loaded and this application continues its execution. Similarly, OS has its own register..