Haribo Blog

• Wasserstein Generative Adversarial Networks

  2021-08-10

  Haribo

  논문리뷰

  GAN  생성모델  PMLR

  Full Citation: “Arjovsky, Martin, Soumith Chintala, and Léon Bottou. “Wasserstein generative adversarial networks.” International conference on machine learning. PMLR, 2017.”
  Link to Paper: https://arxiv.org/pdf/1701.07875.pdf
  Conference Details: PMLR 2017

  Read All

  ---

• [논문읽기]Relation Classification via Convolutional Deep Neural Network

  2021-07-28

  Haribo

  ML  AI  Paper_Review

  Paper  ConvNet  Relation_Classification  NLP

  여러가지 NLP process 중 하나이면서 정말 중요한 Relation Classification(Relation Extraction)을 Convoluton filter를 이용하여 해결하는 방법을 제시했던 논문이다.

  Read All

  ---

• jupyter notebook Docker를 이용한 서버 컴퓨터 원격 접속

  2021-07-24

  Haribo

  기타

  일상

  Docker에 대한 설명은 생략하고 오로지 원격 접속 하는 방법에 대해서만 글을 쓸 예정임.

  SSH나 Docker에 대한 설명은 아래 참고사이트가서 보고 오시길 바람.

  그리고 MAC 기준 설명임. 윈도우도 같다.

  Read All

  ---

• [논문읽기]Dynamic Routing Between Capsules pt.3

  2021-06-27

  Haribo

  ML  AI  Paper_Review

  Paper  ConvNet  CapsNet  Object_Recognition

  지난 포스트에서 CapsNet의 동작에대해 살펴보았는데 이번 포스트에선 CapsNet이 얼마나 일을 잘하는가에대한 부분을 살펴보도록 하겠다.

  Read All

  ---

• [논문읽기]Dynamic Routing Between Capsules pt.2

  2021-06-27

  Haribo

  ML  AI  Paper_Review

  Paper  ConvNet  CapsNet  Object_Recognition

  지난 post에서는 CNN의 특징과 단점에 대해 정리를 해보았는데 이번 포스트에서는 본격적으로 Capsule Network(이하 CapsNet)에 대해서 정리를 해보도록 하겠다.

  Read All

  ---

• [논문읽기]Dynamic Routing Between Capsules pt.1

  2021-06-26

  Haribo

  ML  AI  Paper_Review

  Paper  ConvNet  CapsNet  Object_Recognition

  2017년 Google Brain의 Geoffrey E. Hinton이 발표한 Object Recognition 분야의 새로운 접근방법을 제안한 논문이다. 기존의 Object Recognition모델들은 Convolution Network를 기반으로 설계되어있다. Convolution Network는 feature extracting - maxpooling 로 이루어져있다. 여기서 maxpooling의 문제점을 지적하며 새로운 기법을 적용시키는데 그것이 바로 Capsule 간의 routing by agreement 이다. 차근차근 리뷰를 해보록 하겠다.

  Read All

  ---

• 당뇨예측 with DNN

  2021-06-16

  Haribo

  ML  AI

  Math
  • Data

  Data

  지난 NHIS전처리 에 이어서 DNN을 이용한 당뇨환자 예측을 해보았다. 그 전에 데이터에 대해 간략히 요약하면

  926582 x 44 사이즈의 데이터

  Target

  • 0 : 정상 62%
  • 1 : 전당뇨 30%
  • 2 : 당뇨 8%

  multi class classier 문제이며 imbalanced data 이다.

  Read All

  ---

• MBTI 결과 ENTJ-T

  2021-05-31

  Haribo

  기타

  일상
  Read All

  ---

• 3D MNIST predict

  2021-05-23

  Haribo

  ML  AI

  Math

  기존의 1차원 MNIST 데이터를 3차원 rgb 채널로 확장 시킨뒤 vgg network를 이용해 예측을 시도한다.

  Read All

  ---

• MNIST augmentation to RGB

  2021-05-07

  Haribo

  ML  AI

  Math
  • Data

  Data

  import gzip
  import os
  import sys
  import struct
  import numpy as np
  def read_image(fi):
      magic, n, rows, columns = struct.unpack(">IIII", fi.read(16))
      assert magic == 0x00000803
      assert rows == 28
      assert columns == 28
      rawbuffer = fi.read()
      assert len(rawbuffer) == n * rows * columns
      rawdata = np.frombuffer(rawbuffer, dtype='>u1', count=n*rows*columns)
      return rawdata.reshape(n, rows, columns).astype(np.float32) / 255.0
  
  def read_label(fi):
      magic, n = struct.unpack(">II", fi.read(8))
      assert magic == 0x00000801
      rawbuffer = fi.read()
      assert len(rawbuffer) == n
      return np.frombuffer(rawbuffer, dtype='>u1', count=n)
  
  if __name__ == '__main__':
      os.system('wget -N http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz')
      os.system('wget -N http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz')
      os.system('wget -N http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz')
      os.system('wget -N http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz')
  
      np.savez_compressed(
          'mnist',
          train_x=read_image(gzip.open('train-images-idx3-ubyte.gz', 'rb')),
          train_y=read_label(gzip.open('train-labels-idx1-ubyte.gz', 'rb')),
          test_x=read_image(gzip.open('t10k-images-idx3-ubyte.gz', 'rb')),
          test_y=read_label(gzip.open('t10k-labels-idx1-ubyte.gz', 'rb'))
      )
  

  Read All

  ---