Belter

난이도: Easy 이름이 입력으로 들어오면 대문자화를 잘 시키는 것이다. chris alan → Chris Alan # solve 함수를 작성해야 한다. def solve(s): ... if __name__ == '__main__': fptr = open(os.environ['OUTPUT_PATH'], 'w') s = input() result = solve(s) fptr.write(result + '\n') fptr.close() # 나의 코드 def solve(s): lst = list() for word in s.split(' '): lst.append(word.capitalize()) return ' '.join(lst) # 1. 입력 string을 띄어쓰기 한번을 기준으로 word 단위로 쪼개주..

상황는 이렇다. Segmentation task를 진행하다가 CrossentropyLoss에 ground truth label (mask)를 넣어야 하는 상황이었는데, 원하는 segmentation class 개수는 3개(물, 하늘, 장애물)이지만 mask에는 총 4개의 label이 달려있었던 상황. 그래서 Data 설명을 읽어봤다. '4'라고 분류된 픽셀들은 물체/물/하늘 사이 boundary에 해당해서 모호한 픽셀로 남겨놨던 것이다. 학습에 사용되면 안되는 픽셀들이기 때문에 '4'라고 분류된 픽셀들은 포함시키면 안된다. 그래서 이 픽셀들을 어떡하지? 그냥 '0'이나 '1' 혹은 '2'로 labeling 후처리를 해야하나... 그러기엔 픽셀들이 너무 애매한걸? 이러고 있다가 동료가 찾아준 아주 효과적인..

우선 scatter와 scatter_ 메소드를 비교하면 다음과 같다: torch.scatter는 out-of-place 버전, torch.scatter_는 in-place 버전이다. 즉, torch.scatter는 메서드를 실행시키면 즉시 scatter가 tensor에 적용된다. 여기서 각 argument들이 의미하는 바는 다음과 같다. dim: scatter 할 기준이 되는 축. '0'이면 행방향 (아래 방향), '1'이면 열방향 (오른쪽 방향). index (LongTensor): 흩뿌릴 element들의 index. 즉, 어떤 숫자를 어떤 규칙으로 옮길지 결정하는 tensor. src: 어떤 숫자들이 옮겨지는지 그 후보를 담은 소스 tensor. 그렇다면 scatter가 어떤 효과를 내는지 예시를 ..

Python에는 string을 분할하기 위한 .split 과 .rsplit 이라는 method가 있다. 문법은 똑같다. string.split(separator, maxsplit) string.rsplit(separator, maxsplit) separator: 분할을 하고 싶은 기준 string. maxsplit: 몇번 split을 할지 정하는 integer. 기본은 -1로 설정되어 있어 가능한 분할은 전부 실행한다. 예를 들어, "1"이면 한 번만 분할을 하여 2개의 element가 list에 저장된다. 참고로 output은 분할된 word chunk들이 element로 저장된 list이다. 둘은 쓰임새가 아주 비슷한데 한 가지 차이가 있다. str1 = "hello hi I am a boy" ## ..

1. 클래스 상속 (Class inheritance) 클래스는 다른 클래스의 메서드등을 상속받아 그대로 사용할 수 있다. Parent class가 상속을 해주는 클래스, Child class가 상속을 받는 클래스이다. class Person: def __init__(self, fname, lname): # init으로 fname, lanme을 받아 firstname, lastname에 각각 저장함. self.firstname = fname self.lastname = lname def printname(self): # 저장한 firstname, lastname을 출력함. print(self.firstname, self.lastname) x = Person("John", "Doe") x.printname(..

torch.nn.utils.prune에 보면 L1 norm + unstructured의 방식으로 prune을 하는 방식이 두 가지나 있다. torch.nn.utils.prune.L1Unstructured torch.nn.utils.prune.l1_unstructured 두 방식에는 어떤 차이가 있는 걸까? 1. L1Unstructured 공식 문서에서도 볼 수 있듯이 class로 구성되어 있다. 그리고 class method들로 apply, apply_mask, prune이 있다. import torch import torch.nn as nn import torch.nn.utils.prune as prune conv1 = nn.Conv2d(2, 3, 3) Output: Parameter containin..

Reference: https://www.youtube.com/watch?v=7kELUTwjCp8&t=181s https://en.wikipedia.org/wiki/Hebbian_theory https://thedecisionlab.com/reference-guide/neuroscience/hebbian-learning/ Introduction 전 포스트에서 설명했듯이, Rosenblatt's Perceptron은 Hebbian theory에 영감을 받아 제안된 아이디어였다. 오늘은 Hebbian Learning에 대해서 알아보겠다. “Psychology and Philosophy were divorced some time ago but, like other divorced couples, they st..

Reference) https://www.pearsonhighered.com/assets/samplechapter/0/1/3/1/0131471392.pdf https://towardsdatascience.com/rosenblatts-perceptron-the-very-first-neural-network-37a3ec09038a https://en.m.wikipedia.org/wiki/Perceptron Rosenblatt’s perceptron, the very first neural network A quick introduction to deep learning. towardsdatascience.com Introduction 전 포스트에서 McCulloch-Pitt Neuron에 대해서 설명했다. ..

Reference) https://towardsdatascience.com/mcculloch-pitts-model-5fdf65ac5dd1 McCulloch-Pitts Neuron — Mankind’s First Mathematical Model Of A Biological Neuron It is very well known that the most fundamental unit of deep neural networks is called an artificial neuron/perceptron. But the very first… towardsdatascience.com http://www.aistudy.co.kr/neural/McCulloch_Pitts.htm McCulloch-Pitts Model 초..