Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 |
Tags
- 프로그래머스 43164번
- os 확인 명령어
- Kullback-Leibler Divergence
- jupyter 셀 추가 단축키
- 원격서버 로컬 동기화
- DeepLabv3+
- YOLO detection
- 가상환경 확인
- 백준 효율적인 해킹
- 프로그래머스 72410번
- 백준 3190번
- 프로그래머스 67258번
- zip 압축해제 명령어
- 카카오 보석 쇼핑
- 프로그래머스 42885번
- Optimization algorithms
- augmentation 이후 이미지 확인
- 프로그래머스 42883번
- 프로그래머스 67257번
- pytorch 이미지 확인
- jupyter 명령어 모드 단축키
- MMdetection
- object detection
- 프로그래머스 42839번
- gradient descent optimization
- 가상환경 제거
- 백준 1325번
- 프로그래머스 보석 쇼핑
- 프로그래머스 67256번
- vscode sftp
Archives
- Today
- Total
목록pytorch 이미지 확인 (1)
소소한 블로그
[6주차 - Day27] Augmentation 적용 결과 시각화하기
Train datasets은 실제 데이터 분포를 설명하기에는 너무 제한적입니다. Augmentation은 Train datasets의 분포를 더 dense하게 만드는 효과를 낼 수 있습니다. 여기서는 다른 것이 아닌 Augmentation이 적용된 이후의 이미지를 확인하는 방법에 대해서 알아보겠습니다. 코드는 아래와 같습니다. import matplotlib.pyplot as plt import torchvision import random # 시각화할 데이터 img, label = next(iter(qd_train_dataloader)) # 랜덤으로 8개 시각화할 예정 idx = random.randint(0, 55) inverse_class_dict = {value:key for key,value i..
부스트캠프 AI Tech
2021. 9. 9. 12:11