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 | 31 |
- 함수
- data
- Web
- Python
- javascript
- java
- Analysis
- DeepLearning
- interface
- mysql
- 자바
- framework
- error
- mariaDB
- centos
- SSH
- db
- Security
- Pattern
- learning
- git
- LIST
- Spring
- Server
- 인공지능
- Deep
- ai
- Numpy
- Github
- Linux
- Today
- Total
목록2017/05/31 (3)
PostIT
# [AI/Deep Learing] 인공지능을 위한 Deep Learning 준비(다차원 배열의 계산) - 3 이번에는 신경망에서 필요한 다차원 배열에 대해서 알아보겠습니다. ## 다차원 배열 숫자가 한 줄로 늘어선 것이나 직사각형으로 늘어 놓은 것, 3차원으로 늘어놓은 것, N차원으로 나열하는 것을 통틀어 다차원 배열이라고 합니다. ### 1. 다차원 배열을 구현해보겠습니다. import numpy as np a = np.array([1,2,3,4]) print(a) [1 2 3 4] # 배열의 차원 수 확인하기. np.ndim(a) 1 # shape는 튜플을 반환 a.shape (4,) a.shape[0] 4 b = np.array([[1,2],[3,4],[5,6]]) print(b) [[1 2] [..
# [AI/Deep Learing] 인공지능을 위한 Deep Learning 준비(신경망을 위한 시그모이드 함수 구현하기) - 2 1일차에서 퍼셉트론과 계단함수에 대해 알아봤습니다. 이번에는 계단함수와 시그모이드 함수를 비교해보겠습니다. 1일차 계단함수 ## 시그모이드 함수 구현하기import numpy as np import matplotlib.pylab as plt def sigmoid(x): return 1 / (1 + np.exp(-x)) x = np.array([-1.0, 1.0, 2.0]) sigmoid(x) array([ 0.26894142, 0.73105858, 0.88079708]) t = np.array([1.0,2.0,3.0]) 1.0 + t array([ 2., 3., 4.]) 1...
# [Java/Stack/Heap] JAVA의 Stack과 Heap의 이해를 통해 Java의 메모리 관리 - 최근 수정일 : 2017.05.31 ## 1. 배경.C언어를 하시던 선임께서 Python의 Stack과 Heap의 메모리 할당을 정확히 모르겠다는 얘기를 들으면서 정작 이와 관련한 Java에 대한 필수 정보가 부족하다는 사실을 알게되면서 조사를 시작했다.Software는 Hardware와 결국 관련이 깊을 수 박에 없다. 그리고 현재까지 컴퓨터는 무어의 법칙에 의거하여 하나의 CPU 속도가 빨라지는 것이 아니라, 컴퓨터에 들어가는 코어의 개수를 늘려 속도가 빨라지게 하였으나 한계를 맞이하고 있다. 이를 해결하기 위해 최근에 읽은 '7가지 동시성 모델'이란 책의 저자는 멀티 코어의 위기를 벗어나기 ..