Family in August

PyTorch vs TensorFlow - CIFAR-10 이미지 분류 비교 딥러닝 프레임워크 중 가장 인기 있는 PyTorch와 TensorFlow, 두 프레임워크의 성능을 실제 이미지 분류 문제에 대해 비교해보았습니다. 이번에는 CIFAR-10 데이터셋과 ResNet-18 모델을 사용하여 정확도, 학습 속도 등의 지표를 측정하고 분석해보겠습니다. 데이터셋 및 모델 실험에 사용한 데이터셋은 CIFAR-10으로, 60,000개의 32x32 크기 이미지가 10개 클래스로 구분되어 있습니다. 모델은 ResNet-18 아키텍처를 사용했으며, 하이퍼파라미터는 다음과 같이 설정하였습니다. - 옵티마이저: SGD (lr=0.1, momentum=0.9) - 손실함수: CrossEntropyLoss - 학습 에포크:..

PyTorch와 Transfer Learning으로 꽃 이미지 분류기 만들기 오늘은 PyTorch와 Transfer Learning 기법을 활용하여 꽃 이미지를 분류하는 모델을 만들어보겠습니다. 다양한 꽃 사진 데이터셋을 대상으로 하며, 사전 훈련된 모델의 지식을 활용하여 빠르고 정확한 모델을 구축할 수 있습니다. 전체 과정을 단계별로 따라가시면서 실습해보시기 바랍니다. 사전 준비 PyTorch와 관련 패키지를 설치합니다. pip install torch torchvision 그리고 실습에 사용할 데이터셋을 다운로드 받습니다. 이번 예제에서는 아래 링크의 꽃 이미지 데이터셋을 활용하겠습니다. https://www.robots.ox.ac.uk/~vgg/data/flowers/102/ 데이터셋을 다운로드하여..

파이썬으로 구글 플레이 스토어 리뷰 크롤링 / 감성 분석하기 여러분 안녕하세요? 오늘은 파이썬을 활용해 실제 앱 리뷰 데이터에 대한 감성분석을 해보겠습니다. 구글 플레이스토어에서 제공하는 앱 리뷰 데이터를 활용할 텐데요. 이런 감성분석은 고객의 의견을 실시간으로 파악하여 제품/서비스 개선에 활용할 수 있습니다. 이 포스팅에서는 다음 내용을 다룰 예정입니다: 1. 데이터 수집 및 전처리 2. TextBlob 라이브러리를 이용한 감성 점수 계산 3. 결과 시각화 4. 개선 방안 제시 ## 1. 데이터 수집 및 전처리 먼저 구글 플레이 스토어 API를 통해 특정 앱의 리뷰 데이터를 수집합니다. from google_play_scraper import Sort, reviews_all # 크롤링 대상 앱 정보 a..

파이썬으로 동적 프로그래밍(DP) 기법 익히기 문제 설명 가능한 최대 구간 합(Maximum Subarray Sum) 문제를 동적 프로그래밍 기법으로 해결하세요. 주어진 배열에서 연속된 부분 배열의 합 중 최대값을 구하는 문제입니다. 예시 입출력 입력: nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4] 출력: 6 (구간 [4, -1, 2, 1]의 최대 합) 솔루션 코드 def max_subarray(nums): n = len(nums) dp = nums.copy() for i in range(1, n): dp[i] = max(dp[i - 1] + nums[i], nums[i]) return max(dp) # 테스트 케이스 nums = [-2, 1, -3, 4, -1, 2, 1, -5,..

파이썬으로 N-Queen 문제 해결하기 (백트래킹 알고리즘) 문제 설명 N-Queen 문제는 가로, 세로, 대각선으로 공격할 수 있는 퀸을 서로 공격하지 못하도록 N*N 크기의 체스판에 배치하는 문제입니다. N이 주어졌을 때, 퀸을 배치하는 방법의 수를 구하는 백트래킹 알고리즘을 작성하세요. 예시 입출력 입력: N = 4 출력: 2 입력: N = 8 출력: 92 솔루션 코드 def n_queens(n): def is_safe(board, row, col, n): # 같은 행에 퀸이 있는지 검사 for i in range(col): if board[row][i] == 1: return False # 왼쪽 대각선에 퀸이 있는지 검사 i, j = row, col while i >= 0 and j >= 0: i..

파이썬으로 그래프 탐색 알고리즘(BFS, DFS) 구현하기 문제 설명 그래프가 주어졌을 때, 너비 우선 탐색(BFS)과 깊이 우선 탐색(DFS) 알고리즘을 파이썬으로 구현하라. 예시 입력 graph = { 1: [2, 3, 4], 2: [5], 3: [5], 4: [], 5: [6, 7], 6: [], 7: [3] } 솔루션 코드 from collections import deque def bfs(graph, start): visited = [] queue = deque([start]) while queue: node = queue.popleft() if node not in visited: visited.append(node) queue.extend(graph[node]) return visited d..

메타클래스로 파이썬 클래스 작성을 한 단계 업그레이드하기 파이썬에서 모든 것이 객체라는 말이 있듯이, 클래스 자체도 객체입니다. 그리고 이 클래스 객체를 생성하는 것이 바로 메타클래스입니다. 메타클래스를 직접 정의하면 클래스 생성 프로세스 자체를 커스터마이징할 수 있습니다. 메타클래스란? 메타클래스는 클래스 객체를 생성하는 "클래스의 클래스"입니다. 파이썬의 type 클래스가 기본 메타클래스 입니다. class MetaExample(type): def __new__(cls, name, bases, attrs): print(f"새 클래스 {name}이(가) 정의되었습니다.") return super().__new__(cls, name, bases, attrs) class MyClass(metaclass=M..

숨은 고수의 기술 - 파이썬 디스크립터로 캡슐화 완성하기 파이썬의 객체지향 프로그래밍에서 캡슐화는 핵심 원칙입니다. 데이터 속성에 대한 접근을 제어하고 무결성을 보장하는 것이 중요합니다. 이를 위해 프로퍼티를 사용하지만, 디스크립터를 활용하면 더 강력하고 유연한 캡슐화가 가능합니다. 디스크립터란? 디스크립터는 객체 속성에 접근할 때의 행위를 정의하는 클래스입니다. get, set, delete 메서드를 구현하여 속성 값의 가져오기, 설정, 삭제를 제어합니다. class DescriptorExample: def __init__(self, value=None): self.value = value def __get__(self, obj, obj_type): print('Getting value') return..

동적 코드 생성과 실행으로 파이썬 프로그래밍의 힘 키우기 파이썬에서는 소스 코드를 문자열로 표현하고, 이를 동적으로 생성하고 실행할 수 있는 기능을 제공합니다. 이를 통해 프로그램의 유연성과 확장성을 높일 수 있습니다. eval(), exec() 함수 eval()은 문자열 형태의 유효한 파이썬 표현식을 동적으로 평가합니다. exec()는 문자열 형태의 유효한 파이썬 문을 동적으로 실행합니다. x = 1 y = eval("x + 2") # y = 3 exec("print('Hello, World!')") # Hello, World! compile() 함수 compile() 함수를 이용하면 문자열을 코드 객체로 컴파일할 수 있습니다. code = 'for i in range(5): print(i)' cod_..

파이썬의 숨은 보석, Context Manager로 코드 깔끔하게 작성하기 파이썬의 Context Manager는 "with" 문과 함께 사용되는 유용한 기능입니다. 이를 적절히 활용하면 자원 열기/닫기, 락 획득/해제, 트랜잭션 시작/롤백 등의 작업을 안전하고 깔끔하게 처리할 수 있습니다. Context Manager 사용 예시 with open('file.txt') as f: contents = f.read() # 파일 읽기 코드 # with 블록을 벗어나면 자동으로 파일이 close됩니다. 위 예시처럼 파일을 열고 닫는 단순한 작업조차도 예외 상황을 고려하면 상당히 복잡해집니다. Context Manager를 사용하면 짧은 구문으로 안전하게 처리할 수 있습니다. 직접 Context Manager 구..