https://docs.python.org/3/whatsnew/3.8.html What’s New In Python 3.8 — Python 3.10.5 documentation What’s New In Python 3.8 Editor Raymond Hettinger This article explains the new features in Python 3.8, compared to 3.7. Python 3.8 was released on October 14, 2019. For full details, see the changelog. Summary – Release highlights New Features Assignm docs.python.org 위치 전용 매개 변수 일부 함수 매개 변수를 위치적으로..

https://www.displayspecifications.com/ DisplaySpecifications - Specifications and features of desktop monitors and TVs Detailed specifications of desktop monitors, smart TVs and other types of displays. The latest display-related news. Comparisons of the specifications of different models, user reviews and ratings. www.displayspecifications.com https://www.displayspecifications.com/en/model/e6d8..

3498/Unknown - 10ms/step - loss: 0.1356 - 3585/Unknown - 1029s 282ms/step - loss: 0.13 3586/Unknown - 1029s 282ms/step - loss: 0.1323 - accuracy: 0. 3587/1030s 282ms/step - loss: 0.1322 - accuracy: 0. ImageGenerator를 사용하고 model을 학습 시키면 generator가 image의 개수를 알지 못해 무한이 학습을 반복한다. (28시간 학습.. ) https://stackoverflow.com/questions/61266275/epoch-1-2-103-unknown-8s-80ms-step-loss-0-0175-model-fit-keeps..

Image 학습 시 Label 마다 개수가 다르다. Label의 종류가 많고 개수 분포가 한쪽으로 치우쳐져있을 경우 Image가 많은 Label로 model이 판단하게 된다. *이 경우 ImageGenerator를 이용해 균형을 맞춰준다. def balance(train_df, max_samples, min_samples, column, working_dir, image_size): train_df = tr_d train_df = train_df.copy() train_df = trim(train_df, max_samples, min_samples, column) if 'aug' not in os.listdir(): os.mkdir('aug') aug_dir = os.path.join(working_di..

Tensorflow 2.8 모듈에러 *Optimizer 중 가장 널리쓰이는 Adam의 Update시 무한대로 발산하는 것을 쉽게 개선 시킨 Adamax Sol) from tensorflow.python.keras.optimizers import adamax_v2 opt = adamax_v2.Adamax(learning_rate=0.001)

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.2\\bin에 zlibwapi.dll 파일 없어서 생기는 오류이다. [다운로드] https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-zlib-windows에서 윈도우 버전의 zlibwapi.dll을 설치하면 된다.

https://arxiv.org/pdf/1512.03385.pdf ResNet은 기존의 다층 Layer의 문제점인 Gradien Vanishing(가중치가 0으로 수렴: 기울기 소실)을 개선한 모델이다. 다층 Layer 특성상 가중치를 갱신하면서 원래 가진 값과 갱신 단계가 많아져 원래 값을 잘 찾아가지 못하는 문제가 생긴다. ResNet에서는 잔차를 이용해 Layer의 층을 높이 쌓지 않은 반면 Error는 줄이는 방법을 고안해냈다.

https://www.kaggle.com/datasets/gpiosenka/100-bird-species BIRDS 400 - SPECIES IMAGE CLASSIFICATION 58388Train, 2000 Test, 2000 Validation images 224X224X3 jpg format www.kaggle.com [Birds 400] Test Model List - Resnet - mobilevit