쓰리미닛인포

선행적으로 깔려있어야하는 프로그램***파이썬 버전에 따라 의존성 충돌이 많이발생 합니다.​DOCKER PYTHON ANACONDA ​설치후 환경변수 확인하고, 쉘에서 명령어 입력이 안되면 설정해야합니다.####명령어로 설치하는 과정에 몇몇의 의존성이 없어서 설치가 실패하는 경우에는대개 PIP INSTALL 누락된 의존성 으로 설치가 되지만, 안되는 명령어는 구글링해서 설치하면 됩니다.​라벨스튜디오 설치$ pip install label-studio #설치 $ label-studio #라벨스튜디오 실행 라벨스튜디오 ML 설치$ pip install label-studio-ml #설치 모델 작성 (예시) #빈폴더에서 만들어서 model.py를 생성 함모델 작성 된 경로로 들어가서 모델 초기화 처리$ labe..

import math #math를 임포트하면 math 관련 함수를 쓸수있음.def solution(num_list): answer = 0 #초기화 res1 = 1 #초기화 res2 = 0 #초기화 for i in range(len(num_list)) : #반복시작 num_list배열의 길이만큼 res1 *= num_list[i] # 값누적(곱) res2 += num_list[i] # 값누적 (덧) res2 = (math.pow(res2, 2)) # res2 최종 제곱값 if(res1 문제내답안 결과후기기존에서의 활용버전이라 크게 어려움은 없었다.​

문제내답안import math #math를 임포트하면 math 관련 함수를 쓸수있음.#math.pow는 제곱의 값을 추출할수 있음.def solution(a, b, c): answer = 0 if a == b and b == c and a == c: #세 숫자가 모두 같다면 answer = (a + b + c) * ((math.pow(a, 2)) + (math.pow(b, 2)) + (math.pow (c, 2))) * ((math.pow(a, 3)) + (math.pow(b, 3)) + (math.pow(c, 3))) elif a == b or b == c or a == c: # 하나라도 같다면 answer = (a + b + c) * ((math.po..

GIT 이란?소스코드를 효과적으로 관리하기 위해 개발된 '분산형 버전 관리 시스템'으로 원래는 Linux 소스코드를 관리할 목적으로 개발된 형상관리용 프로그램​깃(Git /git)은 컴퓨터 파일의 변경사항을 추적하고 여러 명의 사용자들 간에 해당 파일들의 작업을 조율하기 위한 스냅샷 스트림 기반의 분산 버전 관리 시스템이다. 또는 이러한 명령어를 가리킨다. 소프트웨어 개발에서 소스 코드 관리에 주로 사용되지만 어떠한 파일 집합의 변경사항을 지속적으로 추적하기 위해 사용될 수 있다. 기하학적 불변 이론을 바탕으로 설계됐고, 분산 버전 관리 시스템으로서 빠른 수행 속도에 중점을 두고 있는 것이 특징이며 데이터 무결성, 분산, 비선형 워크플로를 지원한다.깃은 2005년에 리눅스 커널 개발을 위해 초기 개발에 ..

현업에서 특정 픽셀에 따른 대비밝기 처리를해야하는데,추후에 픽셀 받아서 처리하면될것같음. import numpy as np# 이미지에 LUT 적용하는 함수def apply_lut(image, lut): """ 이미지에 LUT(룩업 테이블)을 적용합니다. :param image: 적용할 이미지 :param lut: LUT(룩업 테이블) :return: LUT가 적용된 이미지 """ # 이미지를 그레이스케일로 변환 (LUT는 그레이스케일 이미지에만 적용 가능) gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # LUT 적용 result_image = cv2.LUT(gray_image, lut) ..

선행으로 주피터 노트북 , 인포트 된 PIP 인스톨이 필요함.운영체제는 윈도우며 현업에서는 맥 쓰지말라하셔서 윈도우로 개발진행함..직접 테스트 해보고 결과 메모용으로 업로드 함.데이터셋이 필요하신분들은 댓글주세요. import osimport numpy as npimport cv2from sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import LabelEncoderfrom tensorflow.keras import layers, models, optimizersfrom tensorflow.keras.preprocessing import imagefrom tensorflow.keras.utils import to_ca..

요구사항 내답안 def solution(a, d, included): answer = 0 for i in range(len(included)): #반복문을 돌려 included의 배열갯수만큼 answer += (a + d * i) * int(included[i]) #cincluded[i] 가 int로 1, 0 참 거짓 #으로 구분되는데 0을 곱하게되면 0이 결과가 되므로 합산에 더해지지않음. #print(int(included[i])) 1 0 0 1 1 / 0 0 0 1 0 0 0 return answer 결과 ​ 후기 딱 문제해결을 하려할때 생각을 많이하게 되었고, print를 찍으면서 처리하니 은근 쉬웠던 문제였다.

요구사항 문자열 code가 주어집니다. code를 앞에서부터 읽으면서 만약 문자가 "1"이면 mode를 바꿉니다. mode에 따라 code를 읽어가면서 문자열 ret을 만들어냅니다. mode는 0과 1이 있으며, idx를 0 부터 code의 길이 - 1 까지 1씩 키워나가면서 code[idx]의 값에 따라 다음과 같이 행동합니다. mode가 0일 때 code[idx]가 "1"이 아니면 idx가 짝수일 때만 ret의 맨 뒤에 code[idx]를 추가합니다. code[idx]가 "1"이면 mode를 0에서 1로 바꿉니다. mode가 1일 때 code[idx]가 "1"이 아니면 idx가 홀수일 때만 ret의 맨 뒤에 code[idx]를 추가합니다. code[idx]가 "1"이면 mode를 1에서 0으로 바꿉니..

요구사항 내답안 def solution(a, b, flag): answer = 0 if(flag): #flag 트루일경우 answer = a + b #두파라메터 더한다 else: # flag 펄스일경우 answer = a - b #두파라메터 뺀다 return answer # 반환한다. 결과 후기 조건만 주면되서 어려운게 하나도 없었다.

요구사항 ​ 답안 def solution(ineq, eq, n, m): answer = 0 if(ineq == ""): #1차분기처리 if(eq == "="): #2차분기처리 answer = int(n>=m) #2차 분기가 이퀄이면 같거나 크거나 조건으로 처리 elif(eq == "!"): answer = int(n>m) return answer ​ 결과 ​ ​ 후기 eval 이란 내장함수를 사용해서 3항연산자로 처리하는것이 좋은것같으나, 구글링을 하여 처리하면 문제해결능력에 좋지않은것같아 1차원적으로 해결했고, 처리완료 구글링하여 이런 답안도 있다라고 참고하였음.