Open CV로 다이콤 영상 처리 하고있었는데 다음과 같은 오류가 떴다.. double free or corruption (!prev)Aborted (core dumped) 메모리 관련 문제인데, 아래의 링크에서 OpenCV의 특정 버전부터 문제가 발생한다는 것을 갈게 되었음.. https://github.com/dbolya/yolact/issues/421 double free or corruption (!prev) · Issue #421 · dbolya/yolact I get this error "double free or corruption (!prev)" when trying to start the training. Do you know what is the issue? Might be relate..

아래 예시는 test.exe의 프로그램을 강제 종료 합니다. import psutil # 종료할 프로세스 이름 process_name = "test.exe" # 현재 실행중인 모든 프로세스 정보 가져오기 processes = psutil.process_iter() # 종료할 프로세스 찾기 for process in processes: if process.name() == process_name: # 프로세스 종료 process.kill() print(f"{process_name} 종료됨") break else: print(f"{process_name} 프로세스를 찾을 수 없습니다.") 모든 프로그램을 종료하려면 리스트의 모든 값을 kill 하면 될겁니다. (그러면 어떻게 될까? ㅎㄷㄷ)

import os path_dir = './img' # 폴더의 경로 file_list = os.listdir(path_dir) # 폴더 내 파일 목록 받아오기 print(file_list) for idx, name in enumerate(file_list): names = path_dir + '/' + name # 선택한 파일 change =path_dir + '/' str(idx) + '.png' # 변경할 이름 os.rename(names, change) print("END!")

하나의 컴퓨터에서 여러가지 개발환경을 꾸미기 위해 아나콘다(혹은 미니콘다)라는 가상환경을 많이 사용한다. 해당 가상환경에서 프로젝트를 마무리하고 GitHub에 올릴 때, 다른사람이 코드를 어려움 없이 돌려보게 하기 위해서는 가상환경에 설치된 패키지 정보까지 같이 알려줘야한다. 보통 가상환경은 yaml 파일로 저장해서 공유를 하게 된다. yaml 파일로 현재 가상환경 설정 저장하기 conda env export > requirements.yaml 참고로 위 저장코드를 쓰면 pip로 설치한 패키지도 yaml 에 저장이 되며, 가상환경 이름까지 모두 yaml 파일에 기록된다. 아래 명령어로 가상환경을 불러올때 가상환경 이름을 변경하고 싶으면 yaml 파일에서 수정해준 후 불러오면 된다. yaml 파일에 저장된..

from bs4 import BeautifulSoup import urllib.request as req import argparse # 특정 웹사이트로 접속하기 위해 import re from urllib.parse import quote import json from tqdm import tqdm def crawling_list(url): res = req.urlopen(url).read() soup = BeautifulSoup(res, 'html.parser') #분석 용이하게 파싱 find_tag = soup.findAll("a",{"class":"depth1-title"}) # "div",{"class":"section_body"} korean_hist = dict() for i in range..

사전으로 저장하고자 하는 내용을 크롤링하면서 오류가 있는 것을 발견했습니다. from bs4 import BeautifulSoup import urllib.request as req import argparse # 특정 웹사이트로 접속하기 위해 import re from urllib.parse import quote def crawling_list(url): res = req.urlopen(url).read() soup = BeautifulSoup(res, 'html.parser') #분석 용이하게 파싱 find_tag = soup.findAll("a",{"class":"depth1-title"}) # "div",{"class":"section_body"} korean_hist = dict() for i..

이전 코드에서 나아가 한국민족대백과사전의 사전을 크롤링을 통해 만들어보겠습니다. from bs4 import BeautifulSoup import urllib.request as req import argparse # 특정 웹사이트로 접속하기 위해 import re def crawling_list(url): res = req.urlopen(url).read() soup = BeautifulSoup(res, 'html.parser') #분석 용이하게 파싱 find_tag = soup.findAll("a",{"class":"depth1-title"}) # "div",{"class":"section_body"} korean_hist = dict() for i in range(len(find_tag)): txt..

!pip install "git+https://github.com/dreamquark-ai/tabnet.git@develop#egg=pytorch_tabnet" --upgrade from pytorch_tabnet.tab_model import TabNetRegressor # 회귀모델 임포트 import torch import torch.nn as nn import torch.optim as optim reference https://dacon.io/codeshare/7589 TabNet-B Classification 스마트 공장 제품 품질 상태 분류 AI 온라인 해커톤 dacon.io https://dacon.io/codeshare/2515 TabNet으로 정형데이터를 위한 딥러닝을 만들어보았습니다! ..

cmake 설치 dlib 설치 (pip install dlib==19.17.0) open-cv 설치 face - recognition 설치

1. 파라메트릭 서치란? 파라메트릭 서치는 최적화 문제를 결정 문제로 바꾸어 풀어 나가는 기법입니다. 여기서 결정 문제란 'yes' or 'no', 즉, '예' 또는 '아니오'로 답하는 문제를 말합니다. 파라메트릭 서치는 주로 특정 조건을 만족하면서 동시에 가장 적합한 변숫값을 찾아나가는 문제에서 활용되며, 이진 탐색(Binary Search)을 이용하여 구현합니다. 예를 들어, 특정 조건을 만족하는 가장 큰 값을 구하는 최적화 문제에서 이진 탐색을 통해 적합한 해(solution)의 범위를 절반씩 좁혀 나갈 수 있습니다. 2. 파라메트릭 서치는 언제 사용하면 좋을까? 앞서 파라메트릭 서치 문제는 이진 탐색을 활용해 해결할 수 있다고 했습니다. 이진 탐색 알고리즘은 입력 데이터가 많거나(e.g., 1,0..

[Jupyter notebook] vscode 안에서 ipynb에서 html로 바꾸기 terminal jupyter nbconvert --to html /Your notebook path/file.ipynb google colabe에서도 동일하다. %%shell jupyter nbconvert --to html /Your notebook path/file.ipynb 근데 해당 방법에서는 자꾸 다음과 같은 오류가 떴다. raise NotJSONError(("Notebook does not appear to be JSON: %r" % s)[:77] + "...") from e nbformat.reader.NotJSONError: Notebook does not appear to be JSON: ''... 다..

동적계획법 (다이나믹 프로그래밍)에 대해서 코딩 문제는 많이 푼 것 같지만 여러 유형의 dp 에 대해 다뤄보지 못한 것 같아 포스팅한다. 본 게시글은 해당 게시글의 내용 파이썬으로 변경하였다. 예를 들어 정수들이 저장된 nXn의 좌상단에서 우 하단 까지 이동하는 문제에서 오른쪽이나 하단으로만 이동이 가능하다는 조건으로 지나간 값들의 합이 최소가 되도록 하는 최적의 경로를 찾아보자. 0,0에서 i,j 까지 가는 방법은 2가지가 있다. i, (j-1)를 거쳐서 오거나 (i-1), j 로 오는 방법이다. 이렇게 거쳐서 오는 값들을 수식으로 확인해보면 다음과 같다. 그럼 파이썬으로 프로그래밍 하자. def mat(i,j): if i == 1 and j == 1: return m[i][j]; # 외길로 판단하여 ..