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 |
- 그리드분할
- 이미지빌드
- 도커
- STL
- pyvista
- 도커 레이어
- GCN
- 3d데이터
- 3d
- geojson
- 컨테이너
- Python
- Set
- 알고리즘
- 동명이인찾기
- GNN
- 귀여운고래
- geopandas
- 파이썬
- 지하철역좌표
- docker
- python최단거리
- 데이터입수
- MESH
- graph
- 패치분할
- 좌표거리
- GIS
- osmnx
- 폴더조사
- Today
- Total
목록Data Science/ML & DL (22)
이것저것 기록

"...but what if we want to make predictions at the graph level? In other words, we have been assuming tat the goal is to learn node representations Zu, but what if we want to learn an embedding Zg for the entire graph G?" Graph Pooling의 정의 기존 영상 처리에서 활용되었던 Pooling 방법론을 그래프 관점에 적용시킨 것이다. 기존 영상 처리에서의 Pooling은 한마디로 중요한 정보는 남기고, 불필요한 정보는 날리는 역할을 한다. 그래프의 관점에서도 똑같다. 그래프에서 중요한 역할을 하는 노드의 정보는 남기고 불필요한 ..

GNN의 정의 그래프 형태로 된 데이터를 분석할 수 있는 네트워크 입력데이터: 그래프의 구조, 노드, 엣지, 각 노드와 엣지가 가지고 있는 feature 목적: 그래프에 있는 노드 사이의 관계를 모델링하고, 그에 대한 representation을 생성하는 것 --> 그러기 위해선 임의의 그래프 G가 들어왔을 때 해당 그래프를 하나의 representation으로 표현하기 위한 임베딩을 해야한다. 입력데이터: 그래프 GNN의 구조 GNN의 레이어에서 각 노드들은 그래프 상 이웃 노드들의 정보와 자기 자신의 정보를 이용해 임베딩 한다. 첫 번째 레이어에서는 해당 노드의 피쳐가 임베딩 되고, 그 이후로는 kth-hop의 이웃들의 정보까지 임베딩 되는 것이다. 그래프가 복잡하다면 주변의 주변의 주변의... 이렇..

요즘 그래프 이론을 공부중이다. 동기가 추천해줘서 일단 기초 서적을 읽고 있는데, 아무래도 그래프에 관한 '이론'은 처음 제대로 공부 중이라 어려운 부분이 많다. 그래도 이론 공부를 하면서 이렇게 틈틈이 기록해 두면 기억에 오래 남을 것 같아서 개인적으로 나에게 중요한 부분만큼은 공부한 내용을 간단하게 나마 기록해두려고 한다. 현재 읽고 있는 책은 바로 이 책이다. 챕터 1은 스탠포드 cs224w을 수강하면서 나왔던 그래프의 기본 of 기본이고, 챕터 2부터 기록해둘 만한 내용이 나오고 있다. 그 중에서도 오늘 포스팅 할 내용은 챕터 2의 2.2 Neighborhood Overlap Detection이다. 2.1의 Graph Statistics and Kernel Methods에 소개된 방법들은 노드나 ..

사용하는 라이브러리, 데이터셋 로드, 클래스로 모델 설계 등 앞의 포스팅과 겹치는 부분이 많기 때문에 바로 구현 코드로 넘어가는걸로~~ 1. 클래스로 CNN 구현 import torch import torch.nn as nn import torchvision.datasets import torchvision.transforms as transforms import torch.nn.init device = 'cuda' if torch.cuda.is_available() else 'cpu' torch.manual_seed(105) if device == 'cuda': torch.cuda.manual_seed_all(123) print('{} is using for calculation...'.format(d..

다중클래스분류 (Multi-Class Classification)은 소프트맥스회귀를 통해 클래스를 분류한다. 다중클래스분류는 세 개 이상의 답 중 하나를 고르는 문제인데, 그 중 가장 유명하고 전형적인 다중클래스분류는 붓꽃 품종 구분이다. 위 표는 꽃받침길이, 꽃받침넓이, 꽃잎길이, 꽃잎넓이 라는 4개의 특성(Feature)으로부터 setosa, versicolor, virginica라는 3개의 붓꽃 품종(Class) 중 어떤 품종인지 예측하는 문제에 쓰이는 데이터들이다. 1. 소프트맥스회귀 분석을 한다는 것은 소프트맥스회귀는 선택지의 개수만큼의 차원을 가지는 벡터(붓꽃 문제는 3)를 만들고 해당 원소의 합이 1이되도록 원소들의 값을 변환시키는 것이다. x1, x2, x3, x4라는 4개의 Feature..