YJ_Scribbles

SAM – Med2D

오뀨기 — Wed, 6 Dec 2023 12:59:01 +0900

https://github.com/uni-medical/SAM-Med2D

GitHub - uni-medical/SAM-Med2D: SAM-Med2D: Bridging the Gap between Natural Image Segmentation and Medical Image Segmentation

SAM-Med2D: Bridging the Gap between Natural Image Segmentation and Medical Image Segmentation - GitHub - uni-medical/SAM-Med2D: SAM-Med2D: Bridging the Gap between Natural Image Segmentation and Me...

github.com

TOOLLLM: FACILITATING LARGE LANGUAGEMODELS TO MASTER 16000+ REAL-WORLD APIS

오뀨기 — Wed, 6 Dec 2023 12:55:28 +0900

TooLLLM_facilitating Large Language Models to Maset 16000+ Real-World APIs.pdf

1.95MB

Less Is More: Surgical Phase Recognition From Timestamp Supervision

오뀨기 — Wed, 6 Dec 2023 12:52:44 +0900

https://github.com/xmed-lab/TimeStamp-Surgical

GitHub - xmed-lab/TimeStamp-Surgical: TMI 2023: Less is More: Surgical Phase Recognition from Timestamp Supervision

TMI 2023: Less is More: Surgical Phase Recognition from Timestamp Supervision - GitHub - xmed-lab/TimeStamp-Surgical: TMI 2023: Less is More: Surgical Phase Recognition from Timestamp Supervision

github.com

[ML] Light GBM 개념 및 예시 코드

오뀨기 — Wed, 31 May 2023 10:30:38 +0900

Light GBM 기본 개념

-> GradientBoosting을 발전시킨 것 : XGBoost

-> XGBoost 속도를 더 높인 것 : LightGBM

ㅇ 기존 tree 기반 알고리즘 : Level wise(균형 트리 분할) 방식 사용

-> 수평적 확장

-> tree 깊이 : 최소화

-> 균형을 위한 시간 필요

ㅇ Light GBM 알고리즘 : Leaf wise(리프 중심 트리 분할) 방식 사용

-> 수직적 확장

-> 최대 손실 값(Max data loss)을 가지는 리프 노트를 지속적으로 분할

-> 트리 기준 분할 방식에 비해 예측 오류 손실을 최소

Light GBM 장점

- 가볍고 속도가 빠름

- 큰 사이즈의 데이터를 실행시킬 때 적은 메모리 사용

- categorical feature 들의 자동 변환과 최적 분할

- 결과의 정확도에 초점을 맞춤

- GPU 학습 지원

Light GBM 단점

- 적은 데이터 사용시 과적합 가능성(적은 데이터 기준 : 10,000개)

Light GBM 파라미터

-> Light GBM은 구현은 쉬우나, 파라미터가 100개가 넘는다 : 중요한 파라미터만 알고 있어도 사용하는 데에 무리 없다

Light GBM 실습

-> 아나콘다 사용하는 환경이라 먼저 설치 진행

 conda install -c conda-forge lightgbm

import lightgbm as lgb

# Preprocess your data
X = labeled_data.drop('label', axis=1)
y = labeled_data['label']

# Normalize the features
scaler = StandardScaler()
X = scaler.fit_transform(X)

# Split data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

# Perform K-fold cross-validation
lgb_model = lgb.LGBMClassifier()
lgb_model.fit(X_train, y_train)

y_pred_prob = lgb_model.predict_proba(X_test)

# Perform K-fold cross-validation and calculate AUROC scores
y_pred_proba = cross_val_predict(lgb_model, X, y, cv=5, method='predict_proba')

roc_auc = roc_auc_score(y_test, y_pred_prob, multi_class='ovr', average='macro')

print("Macro-average AUROC score:", roc_auc)

plot_roc(y_test, y_pred_prob)

ㅇ feature importance

-> 파라미터를 다르게 하면 모델 돌릴때마다 feature importance가 변함

[python]Mac에서 생성되는 .DS_Store파일 처리하기

오뀨기 — Thu, 16 Mar 2023 14:11:39 +0900

mac을 사용하면서 python으로 폴더 내에 있는 파일을 불러와서 사용하는데

파일 전체를 리스트로 가져오면 '.DS_Store'가 항상 끼어 있음...

이거 안만들어지게 하는 방법 아무리 검색해도 안나와서 결국 리스트에서 빼는 방법으로 리스트 사용하기로 함.

* 처음 작성하는 코드

import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 불러올 폴더 내의 내용을 리스트로 저장
path = "불러올 폴더 경로"
file_list = os.listdir(path)

# 확장자 삭제
# 이건 필요하면 하고 아니면 굳이 안해도 됨
# 파일명 자체를 사용하려고 진행
search = '.txt'
for abc, word in enumerate(file_list):
        if search in word :
            file_list[abc] = word.strip(search)

# file_list갯수 확인(중요!!!)
print(len(file_list))

* .DS_Store 파일 지우기

# range에 사용할 갯수를 확인하기 위해 위에 코드에서 file_list의 갯수를 출력해서 확인한 것
for i in range(파일리스트의 갯수 -1) :
    if file_list[i] == '.DS_Store':
        del file_list[i]
print(len(file_list))

'.DS_Store'가 있는 것들은 가차없이 지워주기

[Python]폴더에 있는 파일 불러오기 / 다른 폴더에 파일 저장 / 확장자 없애기

오뀨기 — Thu, 16 Mar 2023 13:53:02 +0900

찾으면서 짜는 코드 정리하기 / 정답아님 / 쉬운방법있으면 알려주세요..

- 폴더에 있는 파일 다 불러와서 리스트로 저장하기

- 확장자 잘라내고 이름만 저장하기(나중에 폴더명 그대로 저장하려고)

* 항상 적는 코드

# 항상 불러오는 import

import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

* 폴더에 있는 파일 불러와서 리스트로 저장

# path : 파일 경로 저장 변수
path = "폴더경로작성"

# file_list : 폴더 내의 파일들을 리스트로 불러와서 저장
file_list = os.listdir(path)

# 확인차 출력
print ("file_list: {}".format(file_list))

* 파일명 확장자 지우기

# search : 지우고자 하는 확장자 저장 변수
search = '.txt'

# enumerate : 인덱스(index)와 원소를 동시에 접근하면서 루프돌릴 수 있는 변수
for abc, word in enumerate(file_list):
	if search in word :
    	file_list[abc] = word.strip(search)

# 나중에 사용하려고 file_list의 갯수 확인
len(file_list)

* 다른 폴더에 저장하기

rep = 0
for i in range(len(file_list)):
    file_path = '불러온 파일 경로'
    # file_list에는 확장자가 없어서 확장자 추가해줌
    df = pd.read_csv(file_path + '/'+ file_list[rep] + '.txt', sep=';', skiprows = 8, encoding='cp949')
    
    result_1 = df[['원하는', '값들만', '추출하면서', '다른', '확장자로', '저장하려고', '사용']]
    
    save_path = '저장할 폴더 경로'
    result_1.to_csv(path_or_buf= save_path + "/" + file_list[rep] + ".csv", index = False)
    
    rep+=1

분명히 더 쉽게 하는 방법이 있을 것 같다.

근데 난 아무리 찾아도 안나와서 이렇게 코드를 작성했다.

사용하는데 전혀 문제 없다.

아주 잘 사용하는 코드 중 하나

[암스테르담_1]코시국에 다녀온 암스테르담 여행기(21.12.24)

오뀨기 — Sat, 21 May 2022 00:09:43 +0900

힘들게 비행기 타고 코시국에 한창 진짜 코로나가 창궐하던 시절에 가느라 고생한 여행!!!!

한국 - 파리(경유) - 암스테르담 : 무려 48시간 가까이 깨어있느라 너무 고생...ㅜ

당시 파리에서만 여행객에게 백신패스 발급해줘서 무조건 프랑스를 경유해서 갈 수 밖에 없어서 더 힘들었다.

그치만 그래도 좋았음╰(*°▽°*)╯

왜냐? 첫 유럽이고 여행은 다 그런거니까ㅋㅋㅋ

아무리 힘들어도 도착했다는 안도감과 바라던 유럽의 모습들을 보면서 꿈꾸는 기분이었다

첫 네덜란드 모습

23일 밤에 도착해서 숙소가느라 힘들어서 사진이 없다ㅜ

그래서 도착 다음날 찍은 네덜란드의 첫 사진이다!!!

나의 첫 유럽을 담은 아주 의미있는 사진인 셈이다

유럽에서 첫번째 일정은 크리스마스 이브 파티 준비였다!!!!

코로나19로 네덜란드가 전면 봉쇄되었기에 식당도 문을 닫고, 관광지 역시 문을 닫았다ㅜ

그래서 급하게 숙소도 호텔에서 에어비앤비로 바꾸고 숙소에서 우리들만의 파티를 즐기기로 하였다!

파티에 빠질 수 없는 꽃

여행을 함께한 친구들 역시 꽃을 너무 좋아했기에 제일 먼저 꽃을 샀다!

네덜란드 물가에 다소 놀람,,ㅎ

비싸다는건 알고 있었는데 크리스마스 밑이라 더 비싸게 받는듯한 느낌....

근데 꽃사는데 인종차별당함.....

앞에 있던 사람들은 다 예쁘게 포장해주고 장식도 해주더니 갑자기 우리한테는 안된다고 함;;;;

엥?? 이러고 있는데 뒤에 사람은 또 해주네?

아니 이런;;;; 이런식으로 인종차별을 할 줄은 상상도 못했지...

따져서 우리도 포장받음;;; 에효..

솔직히 인종차별을 처음 당해서 인종차별인지도 몰랐는데 네덜란드에 지내는 친구가 알려줘서 알았다..

그렇게 기분이 안좋은 상태로 시작된 쇼핑이었지만 꽃을 보며 마음을 달랬다.

길을 가다가 너무 예쁜 공원이 있었다.

사실 사진으로 보면 그렇게 예쁜지 못 느끼지만

날씨와 분위기와 기분이 너무 완벽한 순간이었기에 공원마저 예쁘게 느껴졌던 것 같다.

거기서 한참을 사진찍고 이동했다ㅎ

흔들려서 더 잘나온 사진

표정관리중ㅋㅋㅋ

지나가는 트램까지 완벽

가로등 불빛이 예뻐서

크리스마스 트리는 못참지

네덜란드의 대형슈퍼인 '알버타인(Albert Heijin)'에서 장을 봤다.

앞으로 알버타인은 정말 애용하는 마트가 되었다.

봉쇄로 모든 음식을 해먹어야해서 하루에도 몇 번씩 마트에 가서 장을 봤다.

그렇게 차려진 저녁 만찬

너무너무 예쁘고 와인과 초까지 준비한 저녁이 아직도 그 분위기를 잊을 수가 없다.

저녁 만찬

조명때문에 다소 아쉬웠지만 너무 맛있고 행복했던 시간이었다.

모두가 꿈을 꾸는 것 같다고 표현했던 그런 정말 꿈같은 저녁이었다.

만찬 앞에서

사진을 너무 잘찍어줘서 이건 올릴 수 밖에 없었다.

크리스마스 케이크

장보고 오면서 망가졌지만...

그래도 너무 맛있었던 크리스마스 케이크!!!!!

그렇게 크리스마스 이브는 맛있는 음식과 수다와 함께 크리스마스로 넘어갔다

2609_최대공약수와 최소공배수(유클리드 알고리즘)

오뀨기 — Fri, 8 Apr 2022 16:01:14 +0900

https://www.acmicpc.net/problem/2609

2609번: 최대공약수와 최소공배수

첫째 줄에는 입력으로 주어진 두 수의 최대공약수를, 둘째 줄에는 입력으로 주어진 두 수의 최소 공배수를 출력한다.

www.acmicpc.net

* 최대공약수 : 공약수 중에서 가장 큰 공약수

-> 두 수 a, b의 최대공약수는 gcd(a, b) 또는 (a, b)로 나타냄

★ 유클리드 알고리즘

- 주어진 두 수 사이에 존재하는 최대공약수(GCD)를 구하는 알고리즘

- GCD : Greatest Common Divisor

- 원리

두 수 a(큰 수), b(작은 수)가 있을 때 'a%b=n'계산

-> n=0 경우 : b가 최대공약수

-> n≠0 경우 : a에 b값을 다시 넣고 n을 b에 대입하여 다시 계산

int gcd(int a, int b) {
	int tmp, n;

	//a에 큰 값 배치를 위한 반복문
	if (a < b) {
		tmp = a;
		a = b;
		b = tmp;
	}

	//유클리드 알고리즘 부분
	//a%b진행(b가 0이 될때까지)
	while (b != 0) {
		n = a % b;
		a = b;
		b = n;
	}
	return a;
}

* 최소공배수 : 공배수 중에서 가장 작은 공배수

-> 두 수 a, b의 최소공배수는 lcm(a, b) 또는 [a, b]로 나타냄

int lcm(int a, int b){
    return a * b / gcd(a,b);
}

전체 코드

#include <iostream>
#include <cmath>
using namespace std;

int gcd(int a, int b) {
	int tmp, n;

	//a에 큰 값 배치를 위한 반복문
	if (a < b) {
		tmp = a;
		a = b;
		b = tmp;
	}

	//유클리드 알고리즘 부분
	//a%b진행(b가 0이 될때까지)
	while (b != 0) {
		n = a % b;
		a = b;
		b = n;
	}
	return a;
}

int lcm(int a, int b) {
	return a * b / gcd(a, b);
}


int main()
{
	int x, y, r1, r2;
	cin >> x >> y;
	r1 = gcd(x, y);
	r2 = lcm(x, y);
	cout << r1 << endl << r2;
}

MySQL과 이클립스 연동하기

오뀨기 — Thu, 3 Jun 2021 14:58:33 +0900

MySQL을 정상적으로 설치했다면 connector를 추가로 설치하지 않고 연동이 가능하다(가능한 줄 알았다)

위의 폴더를 들어가면 'mysql-connector-java-8.0.25.jar'파일 있는 것을 확인할 수 있다

위 파일을 복사하여 톰캣 라이브러리 폴더에 복사해준다

이클립스에서 사용하던 프로젝트에서 마우스 오른쪽을 눌러 'Build Path'에 들아가서 JARs를 추가해준다

mysql 설치하기

오뀨기 — Thu, 3 Jun 2021 07:37:24 +0900

www.mysql.com

MySQL

Over 2000 ISVs, OEMs, and VARs rely on MySQL as their products' embedded database to make their applications, hardware and appliances more competitive, bring them to market faster, and lower their cost of goods sold. Learn More »

www.mysql.com

위 페이지에서 MySQL을 다운받는다

윈도우로 install한 뒤에 'Next'를 누르다가 'Port'에 오류가 나서 Port번호를 바꿔주었다 : 3306 -> 3305

원하는 비밀번호로 설정한 뒤, 'Add User'을 누른다

빈칸을 채우고 앞에서 입력한 비밀번호를 입력하고 'Next'를 눌러 다음으로 넘어간다

'Execute'를 누르고 'Next'를 계속 눌러 넘어간다

User name과 Password를 입력하고 Check를 눌러 확인한 뒤, Next를 눌러 넘어간다

Execute를 눌러 실행시킨뒤, Finish를 눌러 넘어간다

'Next'를 누르면 Finish나오고 누르면 설치가 완료되고 아래와 같이 뜬다

이후, 'Workbench'창을 빼고 모두 닫는다.

설치가 제대로 되었는지 확인하기 위해 'MySQL 8.0 Command Line Client'를 실행시킨다

비밀번호를 입력한다

'select version();'을 입력해서 버전을 확인한다

위와 같이 나오면 성공적으로 설치된 것이다

다시 Workbench로 돌아온다

설치할 때, localhost를 3305로 설정했으므로 두번째 상자를 더블클릭하여 비밀번호를 입력한다

아래 사진과 같이 뜬다면 성공적으로 MySQL을 설치한 것이다