def deco(f):
    print("deco!)
    return f

@deco
def double(num):
    return 2*num

print(double(41))

을 실행하게 되면 "deco!" 와 82 가 순서대로 출력된다.

1. 알아야할 개념

우선 함수는 "객체화" 되어 있기 때문에 함수를 변수처럼 사용할 수 있다는 것을 알아야 데코레이터를 이해할 수 있다.

예를 들면,

1. 함수를 보통의 변수처럼 dictionary 의 value 로 사용할 수 있다.
2. 함수를 다른 함수의 인자로 쓰도록 할 수 있다.

   def calculation(func,a,b) : 
    return func(a,b)
   

print(calculation(add,41,3))

이 가능하다. 여기서는 func 인자로 add 가 쓰여지고 있다. 즉 return add(41,3) 이  되는 것이다.

### 2.작동원리 

![](https://velog.velcdn.com/images/yoon_pear/post/9bb793c4-00ea-4c4a-960c-f57347e7e576/image.png)

즉 왼쪽 코드는 오른쪽 코드처럼 작동한다.
@deco 를 붙이게 되면, double 함수가 deco 의 인자로 넘겨져 deco 함수가 먼저 실행이 되고, return f 로 double 함수가 반환되는 것이다.

다시 말하면, @deco 를 double 함수 위에 붙인다는 것은 
```python
double=deco(double)

를 하는 것과 같고, 이를 해석하면 deco 함수에 double 를 전달하여 기능이 추가된 함수 객체를 만들고, 이를 다시 double 변수로 바인딩하는 것이다.

결과적으로

print(double(41)) 

을 실행하면

"double" 에 "deco" 함수에서 추가한 기능이 수행되고, double 함수가 수행된다. 이때, double 함수 자체는 변화하지 않는다.

def deco(f):
    print("deco!")
    return 41

만약 위 코드처럼 deco 함수가 input 인자를 그대로 return 하지 않는다면, double 은 더이상 함수가 아니라 41이 되어버리기 때문에 int object 가 되고, 함수로 사용할 수가 없다.

다음 post 에서는 decorator 에 @deco(3) 처럼 인자를 사용하는 경우를 보려고 한다.

오랜만에 dacon 대회에 참여하게 되었다! h&e 사진을 input 으로 받아 3467개의 유전자의 발현정보를 예측하는 대회였는데, metric 때문에 쉽지 않은 대회였다..순위권 안에는 들지 못했지만 기록할 겸 올린다!!

유전자 리스트를 모르는데 성능을 어떻게 높이나요...ㅠㅠ

아무튼 주어진 정보 내에서 최대한 성능을 높이려고 해보았다.

우선 평가 산식을 보면 알 수 있듯이 상관계수가 매우 중요하기 때문에 loss를 mseloss 이외에 상관계수를 반영할 수 있는 loss 를 사용하고자 했다.

1. -pearsoncorrloss

   사실 이 코드는 팀원이 짠거긴한데 나는 1-pearsoncorr 가 맞지않나...라고 생각했다...-11 범위니까 1에서 빼줘야 loss 범위가 02 가 되는거 아닌가?

2. mse+lambda(1-pearson corr)

3. 1-pearsoncorr loss

등 여러가지 loss 를 시도해봤다.

모델도 resnet50 이 baseline 이였는데, 이렇게 모델을 바꿔가며 train 해보기도 했다. resnet 152가 가장 성능이 좋았다.

처음엔 pretrain 된 weight 을 불러와서 freeze 하고 학습시켰다가 이후에는 freeze 를 전혀 하지 않고 학습시켰는데, 이게 제일 성능이 좋았다.

추가적으로 output 인 gene 의 개수가 너무 많기 때문에 마지막 출력 레이어이전에 fc layer 나 mlp layer 를 추가해보기도 했는데, 성능에는 영향이 없었던 것으로 기억한다.

결과적으로는 높은 등수는 아니였지만, 나름 재미가 있었던 것 같다. 특히 이전과 다르게 팀원중에 서버가 있는 친구가 있어서 이것저것 실험해보기 훨씬 좋았다!!(예전에 colab 으로 했을때는 코드 한번 돌릴때가 스트레스였다😡) 중간고사랑 기간이 겹쳐버려서 아쉬움이 많이 남는다. 다음에 좋은 대회가 있으면 또 나가는걸로~!