J.Spin

np.newaxis 차원을 확장하는 numpy 함수 행 부분에 np.newaxis를 추가하느냐 열 부분에 np.newaxis를 추가하느냐에 따라 결과 값이 달라진다. import numpy as np # 배열 생성 arr1 = np.array([1, 2, 3, 4], dtype=int) arr2 = np.array([[1, 2], [3, 4]], dtype=int) print(arr1) print(arr2) # 결과 [1 2 3 4] [[1 2] [3 4]] # 일차원 배열 print(arr1[np.newaxis]) print(arr1[:, np.newaxis]) # 결과 [[1 2 3 4]] [[1] [2] [3] [4]] # 이차원 배열 print(arr2[np.newaxis]) print(arr2[..

List Method인 append()와 extend()를 많이 쓰게 되는데 차이점이 헷갈려서 정리해 놓는다. append() Object 그 자체를 맨 뒤에 추가 시키는 Method x = ['a', 'b', 'c'] y = [1, 2] x.append(y) print(x) 결과 x: ['a', 'b', 'c', [1, 2]] extend() Object 의 element들을 추가 시키는 Method x = ['a', 'b', 'c'] y = [1, 2] x.append(y) print(x) 결과 x: ['a', 'b', 'c', 1, 2]

import sys print(sys.version)

초기 환경 설정 시 자주 등장하는 에러. pip을 업그레이드 하면 된다. python3 -m pip install --user --upgrade pip 출처 : https://github.com/pypa/pip/issues/5373

assert '주장하다' 라는 뜻의 assert 예외처리를 하는데 사용한다. 이는 if문으로도 할 수 있지만 assert는 단순히 에러를 찾는 것이 아니라 완전히 값이 에러가 아니라는 것을 보증하기 위해 자주 사용된다. 긴말말고 예시를 보자. # num이라는 변수가 32의 배수임을 보증하기 위한 코드 (에러가 발생하지 않는다.) num = 96 assert num % 32 == 0 # 32의 배수가 아닐 시 에러가 난다. num = 100 assert num % 32 == 0 Traceback (most recent call last): File "test.py", line ~~~~ ~~~~ ~~~~ assert num % 32 == 0 AssertionError 출처 : https://wikidocs...

현재 작업 폴더 얻기 os.getcwd() # "C:\Temp" 디렉토리 변경 os.chdir("C:\Tmp") 특정 경로에 대해 절대 경로 얻기 os.path.abspath(".\\Scripts") # "C:\Python35\Scripts" 경로 중 디렉토리명만 얻기 os.path.dirname("C:/Python35/Scripts/pip.exe") # "C:/Python35/Scripts" 경로 중 파일명만 얻기 if os.path.isfile("C:/Python35/Scripts/pip.exe"): print(os.path.basename("C:/Python35/Scripts/pip.exe")) # "pip.exe" 경로 중 디렉토리명과 파일명을 나누어 얻기 dir, file = os.path.sp..

enumerate '열거하다' 라는 뜻의 enumerate python의 for문에서 유용하게 쓰일 수 있다. 예시를 보면 한 번에 이해할 수 있다. labels 라는 변수에 ['bird', 'fish', 'dog', 'cat'] 이라는 배열이 있다고 생각해보자. for i, label in enumerate(labels): print(i, label) 수행 결과 : 0 bird1 fish2 dog3 cat for 문 안에서 배열의 인덱스값도 쓰고 싶고 안의 값도 쓰고 싶을때 사용한다. 출처 : https://wikidocs.net/32

YOLO 는 You Only Live Once 가 아닌 You Only Look Once, 즉, 이미지를 한 번 보는 것 만으로 Object의 종류와 위치를 추측하는 딥러닝 (Deep Learning) 기반의 물체인식 (Object Detection) 알고리즘을 뜻한다. Single Convolutional Network -> Multiple Bounding Box 에 대한 Class Probability 계산 하나의 Convolutional Network를 통해 여러개의 경계박스(bounding box)에 대한 class probability를 계산하는 방식. 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고리즘에 비해 속도가 매우 빠르며, 높은 mAP (mean Average P..