vgg = vgg16.VGG16(include_top=False, weights='imagenet', input_shape=(224, 224, 3))
단일 컬러영상(3채널)을 입력시킬 때는 보통 위와 같이 vgg16아키텍처를 불러오고 이미지넷 웨이트도 복사해온다. 

아래 코드는 3채널이 아닌 영상의 아키텍처를 불러올 때 사용한다. 

vgg = vgg16.VGG16(include_top=False, weights=None, input_shape=(224, 224, 6))

위 코드는 vgg16의 아키텍처의 입력영상의 채널수가 6일 경우이다. 이렇게 하면 에러가 나지 않고 아키텍처가 생성된다. weights=None이라고 입력해주는 게 중요하다. 이 옵션을 넣지 않으면 에러가 발생한다. 대신 weights=None을 설정하면 imagenet에서 학습된 웨이트는 복사되지 않는다. 아래의 레이어 정보를 보면 입력영상의 채널이 6개이다. 0번 레이어만 shape이 (채널수가) 다르고 나머지 레이어는 원래 vgg16과 같은 shape의 레이어들이다.

넘파이의 3차원에서 axis는 아래 그림과 같이 axis=0은 깊이, axis=1은 세로축, axis=2는 가로축이다.

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

일 때 

1. np.stack((a, b), axis=0)

np.stack((a, b), axis=0)
# array([[[1, 2],
#         [3, 4]],

#        [[5, 6],
#         [7, 8]]])

그림은 아래와 같다. axis=0이므로 reshape에서 1번째에 1이 추가된다. 

2. np.stack((a, b), axis=1)

np.stack((a, b), axis=1)
# array([[[1, 2],
#         [5, 6]],

#        [[3, 4],
#         [7, 8]]])

그림은 아래와 같다. axis=1이므로 reshape에서 2번째에 1이 추가된다. 

3. np.stack((a, b), axis=2)

np.stack((a, b), axis=2)
# array([[[1, 5],
#         [2, 6]],

#        [[3, 7],
#         [4, 8]]])

그림은 아래와 같다. axis=2이므로 reshape에서 3번째에 1이 추가된다. 

참고로, 아래 그림은 np.reshape을 이용해 shape=(2,3,2) --> shape=(2,3,2)으로 바뀌는 과정을 나타낸다. 가장 바깥쪽(3번째 axis)이 먼저 unrolling되고, rolling될 때도 가장 바깥쪽(3번째 axis)이 먼저 rolling된다. (https://towardsdatascience.com/np-reshape-in-python-39b4636d7d91 참조)

https://stackoverflow.com/questions/63746066/installing-cusignal-on-windows-10 조언대로 

git clone https://github.com/rapidsai/cusignal.git
cd cusignal
build.sh

실행하니 해결됨.

'pip install cupy'로 설치하려니 설치되지 않고 계속 진행중이라고만 나온다. 

검색해보니 https://twitter.com/mitmul/status/986171511873523712?lang=en 및 https://github.com/cupy/cupy/issues/1643#issuecomment-420896839, https://docs.cupy.dev/en/latest/install.html#install-cupy

에서 'pip install cupy'로 설치가 안되면 'pip install cupy-cuda112' (cuda버전이 11.2일때) 이런식으로 설치해보라해서 하니 설치됨.

cuda버전 확인방법은 윈도우에서는 명령프롬프트 창에 'nvcc --version'

대용량 파일 다운 받는 중 끊기면 처음부터 다시 받아야하는 번거로움이 있다. 이때 쓰면 좋은 코드.
여러 세그멘트 단위로 분할하여 다운받는 방식인듯.

https://github.com/spaceromany/resume_download_for_scamps

resume_download_for_scamps
SCAMPS (https://github.com/danmcduff/scampsdataset) consists of many video files. But download URL link does not provide resume download support. Our code is for downloading SCAMPS dataset using python and provides resume function.

https://www.facebook.com/groups/TensorFlowKR/posts/1868875980120118/

Arxiv에서 x를 5로 바꾸면...

box plot은 사분위수(상위 25%, 50%, 75%를 각각 Q1, Q2, Q3 표현)를 그림으로 나타낸 것이다. Q1 ~ Q3 사이의 상위 25~75% 구간이 가운데 box로 나타내지고, Q2(상위 50%)는 박스 중간에 직선으로 표시된다. Q1 - (Q3 - Q1) * 1.5 이하와 Q3 + (Q3 - Q1) * 1.5 이상의 구간에 존재하는 샘플들은 이상치(outlier)로 간주되며 점으로 표시된다. 이 범위 내의 최소값(minimum)과 최대값(maximum)을 양 끝의 수직선으로 나타낸다. 

아래 코드는 https://stackoverflow.com/questions/50554235/how-to-base-seaborn-boxplot-whiskers-on-percentiles 의 코드를 수정한 것인데, seaborn box plot을 이해하기에 좋은 예제인 것 같다. 

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
a1 = tips["total_bill"]
ax = sns.boxplot(x=tips["total_bill"], whis=[5, 95])
plt.grid(True)
plt.figure()
ax = sns.boxplot(x=tips["total_bill"])
plt.grid(True)

print(tips["total_bill"].describe())

실행결과

[229 rows x 16 columns]
count    244.000000
mean      19.785943
std        8.902412
min        3.070000
25%       13.347500
50%       17.795000
75%       24.127500
max       50.810000
Name: total_bill, dtype: float64

아래 그림은 5%와 95%를 minimum, maximum으로 구분한 플롯.

아래 그림은 원래 함수의 디폴트에 따라 minimum, maximum으로 구분한 플롯.

https://jimmy-ai.tistory.com/51에서는 

"참고로, box plot은 사분위수(상위 25, 50, 75% 숫자 : Q1, Q2, Q3)를 기준으로
Q1 ~ Q3 사이의 상위 25~75% 구간이 가운데 box로 색칠되고,
Q1 - (Q3 - Q1) * 1.5 이하와 Q3 + (Q3 - Q1) * 1.5 이상의 구간을 끝 선으로 나타내고
이 밖의 범위에 해당하는 숫자는 이상치(점으로 표시)로 취급하는 그림입니다.
박스의 끝점이 Q1, Q3에 해당하고, 박스 가운데 선이 Q2에 해당하는 것을 참고하세요."

라고 설명하고 있다. 그런데, Q1 - (Q3 - Q1) * 1.5 이하와 Q3 + (Q3 - Q1) * 1.5 이상의 구간을 끝 선으로 나타낸다면, 박스로부터 양 끝으로부터 양 끝 선(수직선)까지 길이가 같아야하는데 다르다. 그래서 검색해보니, 

https://datagy.io/seaborn-boxplot/ 에서 제대로 설명하고 있다. 

위 그림은 https://flowingdata.com/2008/02/15/how-to-read-and-use-a-box-and-whisker-plot/ 에서 설명하고 있는 그림인데, minumum을 25%의 1.5배보다 작은 것이라고 설명하고 있는데 잘못 설명하여 헷갈리게 만든다. 

https://stackoverflow.com/questions/51748514/does-imagedatagenerator-add-more-images-to-my-dataset

Does ImageDataGenerator add more images to my dataset?

I'm trying to do image classification with the Inception V3 model. Does ImageDataGenerator from Keras create new images which are added onto my dataset? If I have 1000 images, will using this function double it to 2000 images which are used for training? Is there a way to know how many images were created and now fed into the model?

Short answer: 1) All the original images are just transformed (i.e. rotation, zooming, etc.) every epoch and then used for training, and 2) [Therefore] the number of images in each epoch is equal to the number of original images you have.

https://kyobobook.co.kr/categoryRenewal/categoryMain.laf?perPage=20&mallGb=KOR&linkClass=330137&menuCode=002 

http://www.kyobobook.co.kr/categoryRenewal/categoryMain.laf?pageNumber=1&perPage=20&mallGb=KOR&linkClass=330143&ejkGb=&sortColumn=&menuCode=002