Fast.ai의 $fit\_one\_cycle$ 방법론 이해
본 글은 번역글입니다. 2019년 8월 14일에 번역한 글을 다듬어 블로그에 새로 올립니다. 원본 주소 : https://iconof.com/1cycle-learning-rate-policy/ 번역 철학 : 매끄럽게 읽으실 수 있는 적절한 의역을 지향합니다. 전문 용어 : 가급적 우리말 용어를 사용하고자 하며, 원어를 병기합니다. 한 줄 요약 fi
Home
Midnight Commander on Jupyter Lab
wikipedia: Norton Commander midnight commander 나무위키: Mdir midnight commander라는 프로그램이 있습니다. linux에서 커서와 기능키를 이용해 명령을 실행해주는 아주 편리한 녀석입니다. DOS 시절을 기억하시는 분이라면 Mdir 이라는 프로그램을 사용해보셨을지도 모릅니다. 제겐 Norton
Pearson correlation between $ X $ and $ X^n $
wikipedia: Pearson Correlation Coefficient 선형대수, 통계학, 기하적 직관 Pearson Correlation Coefficient는 두 데이터가 얼마나 연관성을 가지고 있는지 보여줍니다. 수치로는 -1에서 1 사이의 값으로 표현되고, 수식으로는 다음과 같이 표현됩니다. $$ \rho_{X, Y} = \frac{
Plateau Detection
물을 끓이는 등 상태가 변할 때, 에너지가 흡수되어 온도가 일정하게 유지됩니다. 위와 같은 그래프에서 평평한 영역을 찾고, 각 구간의 대표점을 추출하겠습니다. 데이터 추출과 시각화 과정에서 사용되는 기법은 다음과 같습니다. Noise Reduction scipy.ndimage: signal averaging, median np.hanning, n
Matplotlib Colormap (2)
지난 글에서, scatter plot에 colormap을 입히고 colorbar를 제어하는 방법, 그리고 흑백 이미지에 colormap을 입히는 방법을 알아보았습니다. 이번 글에서는 어떤 colormap을 선택하는 것이 적절할지, 그리고 colormap 자체를 제어하고 활용하는 방법을 알아보도록 하겠습니다. 본 글은 공식 홈페이지의 번역과 요약을
Matplotlib Colormap (1)
어떤 프로그램이든 visualization을 해보신 분은 한번쯤 화려한 무지개빛 그림을 보고, “나도 저렇게 해보고 싶다” 라고 생각해보셨을 것 같습니다. 이런 그림은 colormap이라고 불리는 기능을 이용하는 것으로, 데이터를 색으로 표현하여 아름다움과 함께 직관적인 이해력을 높여줍니다. Matplotlib에서 colormap을 적용하는 방
Matplotlib Colors
Matplotlib은 Visualization용 Library로만 알고 계시는 분들이 많습니다. 이미지 데이터의 색상 관련 operation을 위해서 opencv, pillow, scikit-image 등을 추가로 설치하고 사용하시는 분들이 많습니다만, 의외로 matplotlib에서도 색상 관련 기능을 제공하고 있습니다. Matplotlib 공
Matplotlib Defaults & Fonts
Matplotlib은 Python Visualization의 기둥이라고 해도 과언이 아닙니다. 자유도가 높아 원하는 그림을 자유롭게 그릴 수 있지만, 한편으로 명령어와 인자들이 자꾸 잊혀집니다. 약간의 짜증을 담아 Matplotlib의 기초 코드를 정리해둡니다. 혼동을 방지하기 위해 pyplot 기반 명령어는 제외하고 object orien
8. Region of Interest
8. Region of Interest: 관심영역 포토샵 등에서 이미지를 처리할 때, 대부분 특정 부분을 선택하여 처리합니다. 눈을 키운다던가, 볼 터치를 화사하게 한다던가, 보기 싫은 뾰루지를 지우던가 하죠. 이렇게 이미지 프로세싱을 적용할 특정 영역을 관심영역(ROI: Region of Interest)라고 합니다. ImageJ에서는 ROI
Multi window @Jupyter Lab
긴 글을 작성하다 보면 글의 앞부분을 보며 뒷부분을 손대고 싶을 때가 많습니다. 위 그림의 Notepad++같은 많은 프로그램에서는 이런 기능을 지원합니다. Jupyter Lab에서도 간단하게 가능합니다. 두 창에서 보고자 하는 노트북 이름에 포인터를 대고 우클릭을 하면 팝업 창이 뜹니다. 여기에서 New View for N