잘 되던 셀레니움 크롬드라이버가 갑자기 permission 에러가 발생합니다. chrome_options = Options() chrome_options.add_argument('headless') driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()),options=chrome_options) PermissionError: [Errno 13] Permission denied: 'C:\\Users\\ninestar\\.wdm\\drivers\\chromedriver\\win64\\120.0.6099.109\\chromedriver-win32\\chromedriver.exe' stackoverflow에서 해결방법을 찾았습니다. ..

파이썬에서 날짜 형식을 지정하는 함수 strftime을 사용하면 아래와 같이 출력이 됩니다. print(today.strftime('%Y. %m. %d.'))#실행결과 2019. 03. 06. print(today.strftime('year: %Y month: %m day : %d'))#실행결과 year: 2019 month: 03 day : 06 하지만 형식에 한글이 들어가면 아래와 같이 에러가 발생합니다. $ print(today.strftime('%Y년 %m월 %d일'))#실행결과 Traceback (most recent call last): File "c:\Users\jeakwon\Desktop\workspace_docx\docx\take_in_request_form.py", line 7, in ..

Python은 매우 다재다능한 프로그래밍 언어입니다. 파이썬은 라이브러리와 고수준 언어 덕분에 머신러닝 문제 해결에 가장 많이 사용되지만, 다른 언어에 비해 속도가 느린 것으로 알려져 있습니다. 이러한 평판 때문에 많은 사람들이 이 언어를 포기하고 프로그램 해결을 위해 C++와 같은 다른 옵션을 선택하기도 합니다. 기본 속도 테스트 파이썬과 C++의 일반적인 속도 차이를 테스트하기 위해 소수 생성 알고리즘의 실행 시간을 테스트해 보겠습니다. 두 언어 모두에서 명확한 짧은 단계가 있는 간단한 알고리즘입니다. 소수 생성 순서도 Python 실행 import math from time import per_counter def is_prime(num): if num == 2: return True; if num

YOLOv8n 모델을 onnx모델로 export합니다. from ultralytics import YOLO model = YOLO("yolov8n.pt") model.export(format="onnx") yolov8n.onnx 파일이 생성됩니다. ONNX 모델로 Detection 라이브러리 설치후 import합니다. !pip install onnxruntime import onnxruntime as ort 모델을 불러옵니다. model = ort.InferenceSession("yolov8n.onnx") 모델 RUN outputs = model.get_outputs() output = outputs[0] outputs = model.run(["output0"], {"images":input}) outp..

원문 파이토치와 텐서플로는 오늘날 가장 인기 있는 두 가지 딥 러닝 프레임워크입니다. 어떤 프레임워크가 더 우수한지에 대한 논쟁은 오랫동안 지속되어 온 논쟁거리이며, 각 진영은 열렬한 지지자를 보유하고 있습니다. PyTorch와 TensorFlow는 비교적 짧은 기간 동안 매우 빠르게 발전해 왔기 때문에 토론 환경은 계속 진화하고 있습니다. 오래되거나 불완전한 정보가 넘쳐나며, 특정 영역에서 어떤 프레임워크가 우위에 있는지에 대한 복잡한 논의가 더욱 난해해지고 있습니다. 텐서플로는 업계 중심 프레임워크로, 파이토치는 연구 중심 프레임워크로 정평이 나 있지만, 이러한 개념은 부분적으로 오래된 정보에서 비롯된 것임을 알게 될 것입니다. 2023년에는 어떤 프레임워크가 최고로 군림할지에 대한 논의가 훨씬 더 ..

다중 클래스, 다중 레이블 다중 클래스 분류는 두 개 이상의 클래스가 있는 분류 작업을 의미합니다. 예를 들어 오렌지, 사과 또는 배일 수 있는 과일 이미지 집합을 분류하는 것과 같은 작업입니다. 다중 클래스 분류는 각 샘플이 하나의 레이블에만 할당된다고 가정합니다. 즉, 과일은 사과일 수도 있고 배일 수도 있지만 동시에 두 가지 모두일 수는 없습니다. 다중의 class가 존재할 수 있는 output에서, 하나를 선택하는 것입니다. categorical_crossentropy를 활용 다중 레이블 분류는 각 샘플에 대상 레이블 세트를 할당합니다. 다중의 정답이 동시에 존재할 수 있는 것입니다. 이는 문서와 관련된 주제와 같이 상호 배타적이지 않은 데이터 포인트의 속성을 예측하는 것으로 생각할 수 있습니다...

TENSORBOARD란 머신러닝 모델, 데이터, 학습 시각화 툴입니다. iter별 이미지가 분류되는 모습을 시각화 할 수 있고 HTML 삽입 미리보기할 수 없는 소스 학습중인 이미지를 볼 수 있고 생성되는 모델 구조도 볼 수 있고 텐서보드에 스칼라를 입력하여 그래프도 볼 수 있습니다. 사용방법 1. 설치 기본적으로 파이토치가 설치되어 있어야 합니다. pip install tensorboard 2. 라이브러리 추가 및 호출 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter('log_dir 경로') #`log_dir`의 기본값은 "runs"입니다. 3. 텐서보드에 쓰기(작업공간 안에 log_dir 경로=runs폴더 안에 파일이 ..