전체 글6 [백준] 1181번 - 단어 정렬 풀이 시간 : 1'00"채점 : X 전에 백준 풀 땐 맞췄으나 이번엔 틀린 문제.. 1. 접근법단어를 입력 받을 때 리스트 형태로 받고, 이 때 단어의 길이도 함께 받아서 [(3,'but'), ...] 과 같은 형태로 받아 정렬을 수행하고자 함 2. 나의 코드따라서 위와 같은 형태로 입력을 받고, 출력할 땐 리스트에 없을 때만 출력하도록 조건으로 주고 했는데 시간 초과..n = int(input())words = []for _ in range(n) : word = input() words.appendlen(word),wordwords.sort()for i in range(n) : l, word = words.pop(0) if (l,word) in words : continue.. 2024. 11. 18. [Python] argparse 사용법 및 예시 [ 목차 ]※ 원하는 부분을 클릭해서 빠르게 확인할 수 있습니다! ※0. 잡설1. argparse란?2. .ipynb에서 .py 파일 실행하기3. argparse 사용법 및 간단한 예시4. argparse 정리 코드5. argparse를 활용한 모델 학습 코드 예시6. 반복 실험 코드 예시 0. 잡설 연구실에서 첫 연구를 진행할 때 답답한 부분이 정말 많았습니다.딥러닝에 대한 이해도 부족했고, 코드를 활용하는 것도 많이 어색했기 때문에 참 힘든 시간이었던 것 같습니다.그런데 연구를 진행하며 Image 분야 코드 실험을 진행할 때 Github에 공개된 코드 대부분이 argparse를 사용하고 있었고, 어떤 라이브러리인지 반드시 짚고 넘어가야겠다고 생각했었습니다.그래서 argparse가 어떤 것인지 그리고 .. 2024. 8. 18. [CS224W] Node Degree & Node Centrality GNN 공부를 위한 내용 정리입니다.CS224W Winter 22/23 자료를 기준으로 내용을 정리했습니다. 이번에는 Node Feature 중 Node Degree와 Node Centrality에 대해 정리를 해보겠습니다. 전통적인 ML 파이프라인에서는 딥러닝과 달리 Task 를 수행하기 위해 Task 에 맞는 Feature를 설계해야 Modeling을 할 수 있었습니다. 즉, 그래프에 효과적인 Feature(x)를 사용하는 것이 모델의 좋은 성능을 달성할 수 있는 중요한 부분이었기 때문에 전통적인 ML 파이프라인에서 사람이 직접 Feature를 설계했습니다.따라서 이번 포스팅에서는 전통적인 ML을 위해 Feature를 다루는 방법 중 Node Level Task를 위한 Node Degree와 No.. 2024. 8. 12. [CS224W] Machine Learning with Graphs GNN 공부를 위한 내용 정리입니다.CS224W Winter 22/23 자료를 기준으로 내용을 정리했습니다. 연구실에서 GNN을 많이 활용하는만큼 GNN을 조금 더 자세하게 이해하고 있는게 좋을 것 같다고 생각하게 되었습니다.그래서 CS224W를 기반으로 GNN과 관련된 내용을 정리해보고자 합니다. 그래프는 관계를 가지는 무언가를 표현하는 일반적인 방법입니다. 세상에는 위와 같이 그래프로 표현될 수 있는 수많은 데이터가 존재합니다. 이처럼 복잡한 도메인은 풍부한 관계 구조를 가지고 있으며 이는 그래프로 표현될 수 있습니다.그래프를 활용하여 관계를 명시적으로 모델링함으로서 더 좋은 성능을 달성할 수 있습니다. 오늘날 많은 딥러닝 모델이 간단한 시퀀스(ex. Text, Time Series,Voice.. 2024. 8. 6. LG전자 교육 Time Series 이미지 자료 Sliding WindowExampleAuto Encoder 2024. 7. 29. 이전 1 2 다음
