이미지 분류기를 테스트하는 과정에서 matplotlib을 쓰면 커널이 자꾸 죽는 현상이 발견되었다. 아나콘다 프롬프트를 보면 다음과 같은 에러를 확인하였고, 아래의 참고 링크를 통해서 문제를 해결했다. [I 19:30:40.558 NotebookApp] Kernel started: d0c3b529-6a30-422b-a296-d963b18e4149, name: python3 OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized. OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program..

tensorflow 2.0 이상 버전을 사용하고 있어서 당연히 PyTorch도 쉽게 gpu를 쓸 수 있을 거라 생각했지만 그렇지 않았다. 왜냐하면 PyTorch도 CUDA 버전을 맞춰줘야 하기 때문이다. 일단은 torch 라이브러리에서 다음 코드를 입력하여 True가 나오는지 False가 나오는지 확인한다. torch.cuda.is_available() 본인에게 gpu가 있음에도 false가 나온다면 CUDA를 설치해야하는 문제가 된다. CUDA 설치에 대해 전혀 모른다면 다음 링크에서 확인하자. https://normal-engineer.tistory.com/163 CUDA 버전을 제대로 확인하고 설치해야 불필요한 시간 낭비를 줄인다. 확인 방법은 Pytorch 사이트에서 확인하는데 https://py..

내가 사용한 python version은 3.10.2였는데 이 에러는 torchvision이 3.9 이상에서는 작동을 못하므로 python version 때문에 발생하는 문제라고 한다. 따라서 다른 가상환경 (python version==3.9.7)에서 실행했더니 에러가 없었다.

visual studio code에서 python 파일을 compile하려고 했는데 다른 영상에서 본 대로 따라해도 이상하게 컴파일이 되지 않는 문제가 발생하였다. 혹시 나와 같은 문제가 발생한 분들을 위해 글로 남긴다. 1. 일반적인 Visual studio code에서 python 사용하기 기본적으로 Visual studio code에서 compile하는 방법은 다음과 같다. (참고로 나는 anaconda를 설치한 상태이고 가상환경도 여러 개 있지만 다른 프로그램으로도 코딩을 해보고 싶어서 visual studio code를 설치한 것이다.) 1) python 파일을 다운받아서 설치한다. 버전 때문에 고민이 될 수 있는데 일단은 가장 최신 것으로 다운로드 https://www.python.org/do..

이 오류는 tensorflow에서 tensor 연산을 할 때 나올 수 있는 오류이다. tensorflow는 tensor를 정의할 때 float라고 해도 float32로 설정한다. 즉, 32비트 공간만 쓰겠다는 것이다. 그런데 numpy의 경우에는 float를 float64로 설정한다. 따라서 numpy로 만든 array를 tensor로 만든 다음에 내가 새로 정의한 tensor와 계산을 하려니 오류가 나는 것이었다. 해결방법 numpy array를 만들 때 array.astype(float32) # array는 배열 이름 이렇게 array의 타입을 바꿔주거나 tensor를 정의할 때 type을 float64로 하든, 데이터형을 맞춰주면 된다. float64가 용량을 더 많이 차지하는 것만 고려하면 될 듯..

나는 Jupyter notebook을 쓸 때 눈의 피로도를 낮추기 위해서 테마를 어두운 색으로 적용했다. jupyter notebook theme를 적용하는 라이브러리를 사용해서 이렇게 했는데 문제는 plot을 그릴 때 matplotlib은 기본적으로 tick과 글씨들이 모두 검은색으로 적용이 되면서 plot이 잘 안 보이는 문제가 발생했다. 위의 그림처럼 된다. 그래서 두 가지 방법이 있는데, 1. matplotlib에서 쓰는 style 자체를 바꾸는 것 2. figure의 face color를 white로 바꾸는 것 1번 방법 그래프를 그리기 전에 다음과 같은 코드를 사용한다. plt.style.use('seaborn') use() 괄호 안에는 여러가지가 들어갈 수 있는데 'seaborn'은 그래프를..

* 파이썬 관련한 정보를 간단하게 적어두고 있습니다. 계속 추가할 예정 C, C++은 컴파일러(compiler)이고 python은 인터프리터(interpreter) MATLAB이나 R은 Reserach, prototyping, and test new ideas를 목적으로 하는 언어 Java, C#, C++은 실제 production system을 만들기 위한 언어 FORTRAN은 과학적, 수학적 계산에 적합한 언어 python은 C, C++, FORTRAN 등의 언어와 호환이 되기 때문에 많이 사용된다. 실제로 데이터 사이언스 분야에서 가장 많이 쓰이는 언어는, Python, R, SQL 등이 있다.

matplotlib을 깊이 다뤄본 분들은 알겠지만 matplotlib은 사용법이 2가지가 있다. 1. 간단하게 사용하는 방법(pyplot interface를 이용하는 방법) 2. 객체를 이용하는 방법(Object-oriented interface를 이용하는 방법) 차라리 한 가지 방법만 일관되게 사용하면 좋을텐데, 예제코드마다 방식이 달라서 혼동이 많다. 보통 구글링을 통해 코드를 구하다보면 많이 공감하실 거라 생각한다. 제일 확실한 방법은 라이브러리에 들어가서 찾아보는 방법이다. (나 역시 답답해서 찾아본 케이스..) 1. 1번 방법과 2번 방법 비교 어떤 코드를 보면 import matplotlib.pyplot as plt x = np.linspace(0, 2, 100) plt.plot(x, x, l..

File Input and Output with Arrays Numpy array가 매우 클 경우에는 저장하고 다시 불러올 수 있다. np.save는 저장 np.load는 저정한 array 불러오기 np.save('some_array', arr) np.load('some_array.npy') 텍스트를 불러들이는 것 np.loadtxt np.savetxt Random Number Generation np.random.normal np.random.binormal np.random.randint(0,10,100) : 0에서 10 사이의 100개 np.random.seed로 seed를 설정할 수 있다. np.random에 속해있는 함수들

List가 기본적으로 파이썬에서 제공하는 collection이지만 데이터 분석에 사용하기에는 불편한 점이 있다. - element 단위로 계산하는 것이 불편하다. Numpy가 데이터 분석에 적절한 라이브러리가 될 수 있다. 사용하기 쉽고 빠르며, 계산이 전체 array에 적용될 수 있다. Numpy의 특징 homogeneous collection of "iterms" of the same "data-type" (dtype) linear algebra 등의 수학적 내용을 적용하기 편리하다. C, C++, FORTRAN과 잘 호환된다. ndarray : a fast and space-efficient multidimensional array providing vectorized arithmetic opera..