천천히 정리

* rm -rf [파일명] or rm -rf [폴더명] 에러 - 간단하게 정말 말 그대로 어딘가에서 해당 파일 및 폴더를 사용하고 있다는 것! - 돌아가는 코드나 다운로드, 복사 및 붙여넣기 등 많은 경우에서 파일 및 폴더를 사용하고 있을 수 있음- 사용하고 있는 프로세스 확인 및 정상 종료 후 다시 시도! + 만약 프로세스를 kill 하는 경우$ kill -9 [process_id]

pip3 install patoolib으로 설치하면 안 됨 $ pip3 install patool 위의 명령어로 설치

0. Dict 에서의 사용법AttributeError: 'dict' object has no attribute 'dataset'  파이썬의 Dict는 안의 객체를 참조할 때 . 으로 참조할 수 없다. configs = {   'dataset' : 'electricity'} configs.dataset 이라고 하면 위와 같은 에러가 난다.--> configs['dataset'] 으로 코드를 수정해야 한다.   1. Python Structure 객체지향적으로 python을 사용하고 싶다면 Decoration을 사용해야 한다. 1.1 Decoration을 import 한다.- from dataclasses import dataclass @dataclassclass Configs:    dataset:str ..

https://pypi.org/project/reformer-pytorch/(pypi ver)$ pip install reformer-pytorch 원본 : https://github.com/lucidrains/reformer-pytorch(논문 코드 git ver)$ pip install reformer_pytorch  [Code 사용 예시]import reformer_pytorch import LSHSelfAttention

Adversarial Attack의 각종 공격기법들을 구현해놓은 Python Library [Cleverhans] 사용법 정리Torch, TF2 에서 사용 가능출처 : https://github.com/cleverhans-lab/cleverhans Cleverhans - API documentshttps://cleverhans.readthedocs.io/en/latest/ Cleverhans - Bloghttps://www.cleverhans.io/ Cleverhans - Githubhttps://github.com/cleverhans-lab/cleverhans Cleverhans Code - Paperhttps://arxiv.org/pdf/1610.00768 추후, 각각의 공격기법들에 대해서 Study..

- 출처 : https://otexts.com/fpp3/tscv.html* 시계열 교차검증 Time Series Cross Validation (TSCV) time series forecasting을 cross validation할 때는 다음과 같은 방법으로 시도해야 한다. - python code 방법(출처 : https://www.geeksforgeeks.org/time-series-cross-validation/) --> scikit-learn의 TimeSeriesSplit   함수를 이용하면 된다.https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html [사용법]from sklearn...

sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/[XXXXX]What is XXXXX? 본인 버전에 맞게 설치! 1. /ubuntu2204/x86_64/3bf863cc.pub 2. /ubuntu2204/x86_64/3bf863cc.pub 3. /ubuntu2204/x86_64/7fa2af80.pub  추후 지속적으로 업데이트 예정

0. 에러 해결 errored out with exit status 1 python setup.py egg_info $ pip3 install --upgrade setuptools 1. 패키지 설치$ pip3 install scikit-image

import os os.environ['CUDA_VISIBLE_DEVICES'] = '3' 이렇게 os로 gpu를 설정하는 것보다 import torch를 더 먼저 실행하여 생기는 문제 import torch를 하게 되면 기본적으로 0번 GPU를 torch가 가져온다고 한다. ▶os.environ을 먼저 실행하여 torch보다 먼저 GPU 권한을 설정한다. (그냥 무조건 os.environ부터 제일 먼저 실행하기) + 추가적으로 pytorch 환경변수가 꼬여서 생기는 오류이기도 하다. 맨 처음에 환경변수 해제 명령어를 실행해준다. $ unset LD_LIBRARY_PATH import os os.environ['CUDA_VISIBLE_DEVICES'] = '3' import torch torch.cuda..

import argparseparser = argparse.ArgumentParser() # 원하는 parameter 설정parser.add_argument('--model', type=str, default='gru') parser.add_argument('--data', type=str, default='electricity')  1. Jupyterconfigs = parser.parse_args(args=[]) 2. .py fileconfigs = parser.parse_args()* python3 test.py --model=gru --data=electricity 사용 시 configs.model, configs.data 등으로 사용