barplot 등으로 시각화를 할 때 가끔 최대값 또는 최소값을 다른 색깔로 강조하고 싶은 상황이 있습니다. 전체의 값에 대해 하나하나 색깔을 지정하고, 강조하고자 하는 값만 다른 색을 지정한 후 해당 값을 palette에 지정하는 방법으로 간단하게 작업할 수 있습니다. # 하나하나 색깔을 지정합니다. # 'red' 등의 색을 지정해도 되지만 저의 경우 원하는 색이 있어서 '#8da0cb' 처럼 적었습니다. clrs = ['#8da0cb' if (x < max(data['value'])) else '#66c2a5' for x in data['value']] sns.barplot(data = data, x = 'x_value', y = 'value', palette=clrs, alpha=1)
까먹으면 블로그 가서 다시 보려고 코드를 정리해두고자 합니다. Pandas는 데이터를 전처리할 때, EDA를 할 때 자주 사용하는 패키지입니다. 그 중 자주 사용하는 함수가 Groupby인데요. 일반적으로 Groupby에 몇 가지 함수를 사용하거나, aggregate를 사용하여 컬럼마다 다른 함수, 또는 한 컬럼에 다수의 함수를 적용하는 데 사용하고 있습니다. 그냥 코드를 적으면 다음과 같이 사용할 수 있겠네요. 일반적으로 사용되는 groupby, groupby agg # 일반적인 Groupby data.groupby(['agg_column1','agg_column2'])['target_column1','target_column2'].mean() # 자주 사용하는 Groupby data.groupby([..
딥페이크 라는 단어를 들어보신 적 있으신가요? 딥페이크는 영상 속 사람 위치에 임의의 다른 인물을 합성하는 가짜 영상을 말합니다. 위의 영상은 딩고 뮤직 배경에 일론 머스크의 얼굴을 합성하고, SG워너비 살다가 음악을 임의의 음성으로 변형한 대표적인 딥페이크 영상입니다. 이러한 가짜 영상을 생성해내는 모델들 중 하나가 이번에 소개드릴 GAN이라는 모델입니다. 간단하게 GAN이 무엇인지, 어떻게 동작하는지, 어떠한 한계점이 있는지에 대해 설명해보겠습니다. GAN 이란 GAN은 겐 또는 간으로 불리며, 주로 겐으로 읽는다고 합니다. 제 주변에서는 둘 다 많이 읽히고 있습니다. Generative GAN의 첫 글자인 G는 Generative의 줄임말입니다. 이 단어에서 알 수 있듯이 GAN은 무언가를 생성하는..
OS Image Index of /raspios_armhf/images/raspios_armhf-2021-05-28 Setting 세팅에 앞서 업데이트를 먼저 수행합니다. # 아키텍쳐 확인 uname -m # 업데이트 sudo apt-get update sudo apt-get upgrade # 에러 날 수 있으니 업데이트 sudo apt-get install cmake sudo pip install --upgrade pip setuptools wheel # add-apt-repository sudo apt-get install software-properties-common Python의 버전을 변경하고 OpenCV, Mediapipe, Tensorflow를 설치합니다. Python Default Ver..
환경세팅에 앞서 사용한 OS 이미지는 다음과 같습니다. 2021-05-07-raspios-buster-arm64 업데이트 및 에러를 방지하기 위해 다음 명령어를 실행합니다. sudo apt-get update sudo apt-get upgrade Tensorflow 2.4 설치 텐서플로 2.4의 경우 wheel만 잘 업그레이드 하면 문제 없이 설치가 되었습니다. 꼭 업그레이드하세요!! 커멘드창에서 다음과 같은 명령어를 실행합니다. # wheel upgrade sudo pip install --upgrade pip setuptools wheel pip3 install https://github.com/lhelontra/tensorflow-on-arm/releases/download/v2.4.0/tensor..
M1이 들어간 Mac에서는 일반적인 방법으로는 Tensorflow 2.0를 설치하기 어렵습니다. 때문에 다른 방법을 사용해서 설치를 진행해야 합니다. 애플에서 알려주는 텐서플로 설치 방법은 아래와 같습니다. 저의 경우는 해당 방법을 그대로 했을 때 에러가 발생해서 여러 방법을 추가해서 해 본 결과 설치할 수 있었습니다. https://developer.apple.com/metal/tensorflow-plugin/ Metal - Apple Developer Find presentations, documentation, sample code, and resources for building macOS, iOS, and tvOS apps with the Metal framework. developer.appl..
멀티 레이블 분류를 보기에 앞서 머신러닝 모델은 크게 회귀 모델과 분류 모델로 나뉠 수 있습니다. 여기서 분류 모델은 이 사진이 개인지 고양이인지를 분류하는 모델, 사람이 맞는지 틀린지를 분류하는 모델 등 0과 1로 라벨링해서 분류를 할 수 있는 이진 분류 문제와, 어떤 사진이 개인지 고양이인지 토끼인지 고라니인지 등 다수의 레이블 중 하나를 선택하는 멀티 클래스 분류가 존재합니다. 이 두 개의 분류 방법 이진 분류, 멀티 클래스 분류는 각각 다른 Activation function , Loss function을 사용합니다. 여기서는 Activation function을 간단하게 정리해보겠습니다. Loss function에 대해서는 쉽게 정리된 링크로 대체합니다. 링크 해당 링크에서는 뒤에 나올 내용인 ..
MTCNN MTCNN에 대해 간단하게 리뷰해보도록 하겠습니다. MTCNN은 최초 논문을 통해 공개된 저자의 버전이 존재하고, Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks 가공한 버전들이 존재합니다. 하단 링크는 그 중 가장 퍼블릭한 버전입니다. GitHub - ipazc/mtcnn: MTCNN face detection implementation for TensorFlow, as a PIP package. 파라미터 버전마다 약간의 차이는 존재할 수 있으나 기본적으로 조절할 수 있는 파라미터는 다음과 같습니다. weights_file, min_face_size, steps_threshold, scale..
LSTM은 기존 RNN의 긴 기간의 의존성 문제에 약한 단점을 보완한 RNN의 한 기법입니다. 간단한 구조인 RNN과 달리 꽤 복잡한 구조로 이루어져 있습니다. 구조가 어려운 만큼 이해하기 어려워 rastgo’s blog의 게시물 RNN과 LSTM을 이해해보자! · ratsgo's blog 을 따라 적어보며 이해하고자 했습니다. 기본 구조 Cell State LSTM은 위의 그림의 직선처럼 Cell state라는 긴 통로가 존재합니다. 이 Cell state를 활용하여 이전 단계의 정보를 이어가게 됩니다. 이러한 Cell state에 정보를 더하거나 잊게 하는 방법이 존재하는데 이를 Gate를 통해 제어하게 됩니다. 그림의 Cell state 상의 X,+ 두 기호가 각 게이트를 말하며 각각 Forget ..
