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 |
- docker
- GitHub Action
- leetcode
- torchserve
- NaverAItech
- DeepLearning
- NLP
- Matplotlib
- python
- GCP
- FDS
- 프로그래머스
- pytorch
- 완전탐색
- Kubernetes
- 백준
- rnn
- vscode
- PytorchLightning
- datascience
- 네이버AItech
- Kaggle
- 코딩테스트
- pep8
- github
- 알고리즘
- autoencoder
- FastAPI
- wandb
- GIT
- Today
- Total
목록python (20)
Sangmun
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/NUzhw/btrQI2fmirD/28ly2p54UGQqxWZLLkKBz0/img.png)
1. mpl.rc https://matplotlib.org/stable/tutorials/introductory/customizing.html mlp.rc로 line의 style을 바꾸어 본다면 아래와 같은 2가지 방법이 있다. import matplotlib.pyplot as plt # 1번째 방법 plt.rcParams['lines.linewidth'] = 2 plt.rcParams['lines.linestyle'] = ':' # 2번째 방법 plt.rc('lines', linewidth=2, linestyle=':') 2. theme matplotlib 에서 기본적으로 사용가능한 theme는 아래와 같으며 print(mpl.style.available) # output ['Solarize_Light..
원래는 Anaconda의 존재 말고는 몰랐었는데 Miniconda의 존재를 알게되어서 해당 포스팅에 글을 남긴다. 실수에서는 Miniconda를 주로 사용하는것 같다. Anaconda와 Miniconda의 차이점은 아래와 같다. 다음과 같은 경우 아나콘다를 선택하십시오 : 콘다 또는 파이썬을 처음 사용함 Python과 150 개가 넘는 과학 패키지가 한 번에 자동으로 설치되는 편리함 시간 및 디스크 공간 (몇 분 및 3GB) 및 / 또는 개별적으로 사용하려는 각 패키지를 설치하고 싶지 않습니다. 다음과 같은 경우 Miniconda를 선택하십시오. 개별적으로 사용하려는 각 패키지를 설치하지 않아도됩니다. 한 번에 150 개가 넘는 패키지를 설치할 시간이나 디스크 공간이 없거나 파이썬과 conda 명령에 빠..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bY0buZ/btrEItbaISF/I9NJxcMyg20blD1KqAClK1/img.png)
요새 캐글을 열심히 하는 중인데 캐글에서 제공해주는 기본 커널을 사용할 때면 불편한 점이 한두 가지가 아니다. 특히 돌리는데 오래 걸리는 모델들은 커널에서 돌리는게 매우 비효율적이라는 것을 깨달았다. 1. kaggle package 설치 pip install kaggle 먼저 캐글 패키지를 설치해준다. 2. Authentication token 발급 오른쪽 상단의 계정 아이콘 -> Account -> Create New Api Token을 누르면 kaggle.json 파일이 다운로드된다. 3. kaggle json 파일 옮기기 다운로드한 kaggle.json 파일을 Linux, OSX 경우에는 아래 경로로 ~/.kaggle/kaggle.json Window의 경우에는 아래의 경로로 옮겨주면 된다. C:\..
사내망에서 아나콘다를 사용하려고 하는데 어려움이 한두 가지가 아니다. 인터넷이 연결되어 있는 환경에서는 명령어 몇 줄만 치면 해결되는 문제들이 내부망에서는 해결이 안 된다. 하지만 어찌어찌 해결은 하여 마침내 내부망에서 내부 데이터를 이용하여 딥러닝을 활용할 수 있게 되었다. 아래는 거쳐온 과정들을 정리한것이다. 1. Anaconda 설치 및 가상 환경 세팅 - https://www.anaconda.com/ 설치는 그냥 여기서 파일을 다운로드하여서 하면 된다. - 가상 환경 생성(python 3.7 설치) create conda -n test_env python=3.7 - 가상 환경 활성화 conda activate test_env - 필요 패키지 다운 ( python 3.7에서 텐서 플로를 버전 명시를..