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 |
- ai
- Server
- error
- java
- Deep
- SSH
- db
- Analysis
- Github
- Python
- git
- learning
- Pattern
- mysql
- LIST
- 자바
- centos
- 인공지능
- Security
- data
- mariaDB
- 함수
- Linux
- Web
- DeepLearning
- Numpy
- framework
- Spring
- interface
- javascript
- Today
- Total
PostIT
# gRPC 적용을 위한 gRPC 분석, gPRC란 무엇인가? ## gRPC란? gRPC는 Google에서 처음 개발 한 공개 소스 원격 프로 시저 호출 (RPC) 시스템입니다. 전송을 위해 HTTP/2를 사용하고 인터페이스 설명 언어로 프로토콜 버퍼를 사용하며 인증, 양방향 스트리밍 및 흐름 제어, 바인딩 차단 또는 차단 해제 및 취소 및 시간 초과 기능을 제공합니다. 그것은 많은 언어에 대한 크로스 플랫폼 클라이언트 및 서버 바인딩을 생성합니다. gRPC에서 클라이언트 응용 프로그램을 로컬 객체 인 것처럼 다른 컴퓨터의 서버 응용 프로그램에서 메서드를 직접 호출 할 수 있으므로 분산 응용 프로그램 및 서비스를보다 쉽게 만들 수 있습니다. 많은 RPC 시스템에서처럼 gRPC는 서비스를 정의하고 매개 변..
# [AI/Deep Learing] 인공지능을 위한 Deep Learning 준비(Perceptron과 신경망) - 1 ## 퍼셉트론(perceptron) 인공신경망의 한 종류로서, 1957년에 코넬 항공 연구소(Cornell Aeronautical Lab)의 프랑크 로젠블라트 (Frank Rosenblatt)에 의해 고안되었다. 이것은 가장 간단한 형태의 피드포워드(Feedforward) 네트워크 - 선형분류기- 으로도 볼 수 있다. 퍼셉트론이 동작하는 방식은 다음과 같다. 각 노드의 가중치와 입력치를 곱한 것을 모두 합한 값이 활성함수에 의해 판단되는데, 그 값이 임계치(보통 0)보다 크면 뉴런이 활성화되고 결과값으로 1을 출력한다. 뉴런이 활성화되지 않으면 결과값으로 -1을 출력한다. 마빈 민스키와..
# [Python/Data Analysis] Numpy 및 Matplotlib 사용하기 - Day 5 import numpy as np import matplotlib.pyplot as plt # 1 - Pyplot example x = np.arange(0,6,0.1) y = np.sin(x) plt.plot(x,y) plt.show() # 2 - Pyplot example a = np.arange(0, 6, 0.1) b1 = np.sin(a) b2 = np.cos(a) plt.plot(a, b1, label="sin") plt.plot(a, b2, linestyle="--", label="cos") # a axis name plt.xlabel("a") plt.ylabel("b") plt.title("..
# [Python/Data Analysis] Numpy 및 Matplotlib 사용하기 - Day 3import numpy as np arr = np.arange(0,11) arr2 = np.arange(0,11) arr array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])arr[8] 8# Slice arr[1:5] array([1, 2, 3, 4]) arr[0:5] array([0, 1, 2, 3, 4]) arr[0:5] = 100 arr array([100, 100, 100, 100, 100, 5, 6, 7, 8, 9, 10])arr2[3:7] = 100 arr2 array([ 0, 1, 2, 100, 100, 100, 100, 7, 8, 9, 10])arr = np.arang..
# [Python/Data Analysis] Numpy 및 Matplotlib 사용하기 - Day 2 import numpy as np from __future__ import division 5/2 2.5 arr1 = np.array([[1,2,3,4], [8,9,10,11]]) arr1 array([[ 1, 2, 3, 4], [ 8, 9, 10, 11]]) arr1 * arr1 array([[ 1, 4, 9, 16], [ 64, 81, 100, 121]]) arr1 - arr1 array([[0, 0, 0, 0], [0, 0, 0, 0]]) 1 / arr1 array([[ 1. , 0.5 , 0.33333333, 0.25 ], [ 0.125 , 0.11111111, 0.1 , 0.09090909]])..