| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
Tags
- TTS
- 딥러닝
- 소프트웨어 개발
- 자연어처리
- 정보처리기사
- 캐글
- UMAP
- 에이전트
- 랭그래프
- 머신러닝
- ASR
- Transformer
- 트랜스포머
- dementional reduction
- 생성형 인공지능
- SQL
- 알고리즘
- RDBMS
- LangGraph
- python 기초
- 데이터엔지니어
- 힙정렬
- CNN
- 기초
- CLIP
- 객체지향
- Python
- 데이터 시각화
- RNN
- python기초
Archives
- Today
- Total
수달이네 기술 블로그
4. 차원 축소 시각화(t-SNE, UMAP, initialization: random, PCA)
구현(차원축소)MNIST와 CIFAR10데이터셋 다운로드(이미지, 라벨)형태의 데이터셋을 순회하며 이미지를 0~1로 정규화2D/3D이미지를 1D벡터로 펼침각 데이터셋에서 1000개씩 랜덤 샘플링t-SNE로 2차원 임베딩 생성라벨별로 점을 찍고 범례 표시모듈, 데이터셋 로드import numpy as npfrom umap import UMAP # pip install umap-learnimport matplotlib.pyplot as pltfrom sklearn.manifold import TSNEfrom torchvision.datasets import MNIST, CIFAR10mnist = MNIST(root='.', train=True, download=True) cifar10 = CIFAR10(ro..
AI공부/멀티모달
2026. 3. 16. 13:31