본문 바로가기

python335

파이토치 데이터로더 데이터 확인하기 dataloader, next(iter(dataloader)) [파이썬] 파이토치 데이터로더 데이터 확인하니 : dataloader, next(iter(dataloader))¶ 파이토치 데이터로더를 사용하면서, for 문을 작성하지 않고 데이터를 확인하고 싶을때가 있습니다. 저는 데이터를 확인하기 위해 iter와 next 함수를 사용합니다. In [1]: import torch from torch.utils.data import TensorDataset, DataLoader # 데이터 생성 sample_data = torch.randn(100, 5) label_data = torch.tensor([int(l>0) for l in torch.randn(100, 1)]) # 데이터 로더 생성 input_dataset = TensorDataset(sample_data, .. 2023. 8. 18.
파이썬 이미지 객체 경계선(boundary) 표시 skimage, mark_boundaries 활용 파이썬 이미지 객체 경계선(boundary) 표시 : skimage, mark_boundaries 활용¶ In [1]: # 패키지 불러오기 import os import numpy as np import matplotlib.pyplot as plt from PIL import Image from skimage.segmentation import mark_boundaries In [2]: # path 정의 path = "mark_boundaries_ex" img_filename = "ex_img.png" target_filename = "ex_target.png" In [3]: # 데이터 불러오기 img = Image.open(os.path.join(path, img_filename)) target = I.. 2023. 8. 18.
파이토치 RandomSampler 이용하여 데이터 무작위로 섞기 파이토치 RandomSampler 이용하여 데이터 무작위로 섞기¶ 파이토치에서 제공한는 RandomSampler 함수는 주로 데이터를 무작위로 섞기위해 사용하며, 데이터를 섞기 앞서 무작위로 섞인 순서를 기억하기 위한 장치로 사용됩니다. RandomSampler 사용하여 순서를 인덱스 배열 형태로 기억하고, 인덱스 배열을 이용하여 데이터를 섞습니다. TensorDataset, DataLoader를 이용하여 파이토치 DataLoader를 만들어줍니다 step1: 예시 데이터 생성 In [1]: import numpy as np import torch x = torch.tensor([[ 0.7333, 0, 0.1339], [-0.8729, 1, 0.2862], [ 0.3203, 2, 1.0126], [ 0... 2023. 8. 18.
파이썬 이미지 자르기 파이썬 이미지 자르기¶ In [1]: import os import cv2 import matplotlib.pyplot as plt In [2]: # 샘플 이미지 불러오기 image = cv2.imread("image_cut.jpg") image= cv2.cvtColor(image, cv2.COLOR_BGR2RGB) image.shape Out[2]: (1008, 1220, 3) In [3]: # 샘플 이미지 확인 plt.imshow(image) plt.axis('off') plt.show() 위 이미지와 같이 테두리 그리기 코드를 확인하고 싶다면 클릭 In [4]: # 아래에서 h_cut 만큼 오른쪽에서 w_cut 만큼 그림을 컷팅 h, w , _ = image.shape h_cut = .. 2023. 8. 18.
파이썬 정규분포 생성 및 pdf 산출 파이썬 정규분포 생성 및 pdf 산출¶ In [1]: import random import numpy as np import pandas as pd import scipy.stats import matplotlib.pyplot as plt In [2]: # 최근 10일간 A 상품의 판매량을 가장한 데이터 생성 random.randrange(23,29) df = pd.DataFrame({"sales" : [24, 25, 23, 25, 26, 23, 24, 25, 28, 23]}) df.plot(xlabel='date', ylabel='sales') Out[2]: In [3]: # 판매량 평균(mean) 및 표준편차(str) 산출 mean = np.mean(np.array(df... 2023. 8. 15.
파이썬 nan 값 시각화 missingno.matrix 파이썬 nan 값 시각화 missingno.matrix¶ In [ ]: !pip install missingno msno.matrix 미싱데이터를 시각화 해주는 함수입니다. 데이터가 많은 경우 미싱데이터이 수준을 보기 위해 많이 사용 됩니다 다만 미싱 데이터를 그림으로 보여주기 때문에 코드 돌아가는 속도가 빠르지 않습니다. nan 값이 없는 경우¶ In [1]: import pandas as pd import numpy as np import missingno as msno import matplotlib.pyplot as plt nan 값이 없는 성적데이터 생성 In [2]: from random import * import names import os os.makedirs("sample_data", .. 2023. 8. 15.

티스토리툴바