When will you grow up?

초심자는 왜(Why) 클래스를 사용할까라는 의문이 들 수 있다. (물론 나도... 항상 초심) 예시를 보자. 만약 우리가 자동차 회사의 정보를 저장하는 업무가 주어졌다고 가정해보자. 필요한 내용은 자동차 (종류, 차량색상, 가격, 마력) 을 저장해야 된다고 가정하고, 일반적인 코딩은 다음과 같이 작성할 것이다. 파이썬 코드로 작성하면 다음과 같이 list, dict, str를 이용하여 코드를 만든다. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 car_company_1 = 'Ferrari' car_detail_1 = [ {'color': 'White'}, {'horsepower': 400}, {'price: 8000'} ] car_company_2 = 'Bm..

최근 컴퓨터 조립으로 rtx 3000 series를 window 환경에서 setting을 하게되었다. 일단, pytorch 및 tensorflow gpu동작이 잘 되는것을 확인하였는데, 이 글을 통해 향 후 셋팅하면서 수고스러운일을 덜기 위해 작성한다. GPU 는 RTX3090 기준으로 작성되었습니다. 1. Anaconda 설치 -> 최신 anaconda 대신 나는 이전 버전을 설치하였다 repo.anaconda.com/archive/ -> Anaconda3-2020.02-Windows-x86_64 검색해서 다운받을 수 있다. 2. CUDA 및 cudnn 설치 -> 이 부분이 gpu 사용을 위해 가장 중요한데, 2.1) CUDA ->CUDA Toolkit 11.1.1 -> 파일명(cuda_11.1.1_4..

다이나믹 프로그래밍 - 다이나믹 프로그래밍은 메모리를 적절히 사용하여 수행 시간 효율성을 비약적으로 향상시키는 방법입니다. - 이미 계산된 결과(작은 문제)는 별도의 메모리 영역에 저장하여 다시 계산하지 않도록 합니다. (메모이제이션) - 다이나믹 프로그래밍의 구현은 일반적으로 두 가지 방식(top-down, bottom-up)으로 구성됩니다. 또한, 다이나믹 프로그래밍은 동적 계획법이라고 부르며, 일반적인 프로그래밍 분야에서의 자료구조에서 동적 할당(Dynamic Allocation)은 '프로그램이 실행되는 도중에 실행에 필요한 메모리를 할당하는 기법'이라는 의미를 가지며 다이나믹 프로그래밍에 동적(Dynamic)은 별다른 의미 없이 사용된 단어라 헷갈리면 안된다. 다이나믹 프로그래밍은 문제가 다음의 ..

이진탐색 순차 탐색(sequential search) : 리스트 안에 있는 특정한 데이터를 찾기 위해 앞에서부터 데이터를 하나씩 확인하는 방법 이진 탐색(binary search) : 정렬되어 있는 리스트에서 탐색 범위를 절반씩 좁혀가며 데이터를 탐색하는 방법 이진 탐색은 시작점, 끝점, 중간점이 존재 ex) 정렬되어 있는 리스트가 있다고 가정하고 4인 원소를 찾는 예시 [0, 2, 4, 6, 8, 12, 14, 16, 18] 시작점 0(index) 끝점 9 중간점 4 으로 설정하고, 중간점과 찾고자하는 원소값이 작다면 오른쪽 범위는 볼 필요가 없다. [0, 2, 4, 6] 이렇게 탐색범위는 총 4개 줄어드는데, 시작점은 0 중간점은 1 끝점은 3이 된다. 이렇게 해도 원하는 4를 못찾았는데 이번에는 중..

정렬 알고리즘 정렬(Sorting)이란 데이터를 특정한 기준에 따라 순서대로 나열하는 것을 말합니다. 일반적으로 문제 상황에 따라서 적절한 정렬 알고리즘이 공식처럼 사용된다. 아래 리스트를 어떻게 정렬할까 ? [7, 5, 9, 0, 3, 1, 6, 2, 4, 8] 1. 선택 정렬(selection sort) - 처리되지 않은 데이터 중 가장 작은 데이터를 선택해 맨 앞에 있는 데이터와 바꾸는 것을 반복 : [7, 5, 9, 0, 3, 1, 6, 2, 4, 8] 가장 작은 0을 선택해 7와 바꾼다. : [0, 5, 9, 7, 3, 1, 6, 2, 4, 8] 다음 작은 1를 선택해 5와 바꾼다. : [0, 1, 9, 7, 3, 5, 6, 2, 4, 8] 다음 작은 2을 선택해 9와 바꾼다. : [0, 1, ..

그래프 탐색 알고리즘 : DFS / BFS 탐색(search)이란 많은 양의 데이터 중에서 원하는 데이터를 찾는 과정을 말합니다. 대표적인 그래프 탐색 알고리즘으로는 DFS와 BFS가 있습니다. DFS / BFS는 코딩 테스트에서 매우 자주 등장하는 유형이므로 반드시 숙지해야 합니다. DFS 와 BFS 알고리즘을 알아보기 전에 반드시 숙지해야할 두가지 자료구조와 재귀 함수가 있다. 1. 스택(stack) 자료구조 - 먼저 들어온 데이터가 나중에 나가는 형식(선입후출)의 자료구조입니다. - 간단하게 삽입(insert), 삭제(delete) 연산이 있는데 삽입하면 제일 끝에 쌓이고, 삭제하면 제일 뒤에 있는 데이터부터 삭제된다. python으로는 간단하게 리스트를 이용하면 된다. stack = [] stac..

그리디 알고리즘 (Greedy Algorithm) - 그리디 알고리즘(탐욕법)은 현재 상황에서 지금 당장 좋은 것만 고르는 방법을 의미 - 일반적인 그리디 알고리즘은 문제를 풀기 위한 최소한의 아이디얼르 떠올릴 수 있는 능력을 요구 - 단순히 가장 좋아 보이는 것을 반복적으로 선택해도 최적의 해를 구할 수 있는 검토하여 문제를 풀어야 한다 (모든 경우 지금 당장 좋은 것만 고르는 방법이 최고의 방법이 아니므로) 대표적으로 동전 거스름돈 문제가 있다. 500원 / 100원 / 50원 / 10원 짜리 동전이 무한히 존재하는데 손님에게 거슬러 줘야 할 돈이 N원일 때 거슬러줘야 할 동전의 최소 개수를 구하라. 단, 돈 N은 항상 10의 배수이다. N이 1,280원이라면? 500 - 2 100 - 2 50 - ..

https://docs.floydhub.com/guides/environments/ List of Available Environments - FloydHub Documentation edit Environments Below is the list of Deep Learning environments supported by FloydHub. Any of these can be specified in the floyd run command using the --env option. If no --env is provided, it uses the tensorflow-1.9 image by default, which comes with P docs.floydhub.com 위 주소로 들어가면 확인할 수 있고,..

저번시간에는 Tensor에 대해 알아봤다 궁금하다면? 클릭 이번시간에는 딥러닝 라이브러리를 사용하는 이유이자, 딥러닝의 꽃? 이라고 불릴 수 있는(backpropagation?)을 자동으로 해주는 autograd에 대해 알아보자. Autograd ? - Tensor의 모든 연산에 대해 자동 미분을 제공하는 패키지이다. - 실행-기반-정의 (define-by-run) 프레임워크로, 코드를 어떻게 작성하여 실행하느냐에 따라 역전파(backpropagation)가 정의된다는 것. 만약 backpropagation을 알고싶다면 클릭 - 자동 미분 계산을 위해서 torch.autograd 패키지 안에 있는 Variable을 이용해야 동작이 가능해진다. Variable ? - autograd.Variable 클래스..

다양한 딥러닝 패키지 중, Pytorch를 빠르게 익히고자 정리를 합니다. 내용은 Pytorch tutorial, youtube를 기반으로 정리하였습니다. Pytorch ? - torch(lua)에서 pytorch(python)로 넘어오게 되었으며, python 기반의 과학 컴퓨팅 패키징이다. - Numpy를 GPU를 통해 가속화해서 빠른 연산이 가능하다. - 개인적으로, tf에 비해 코드가 좀 더 직관적인 면이 있다. 약간 class로 다 만들어서 그런가..? Tensor ? - Tensor는 pytorch의 자료 형 - 단일 데이터 타입으로 된 다차원 행렬이다. (일반적으로 ? 0d scalar, 1d vector, 2d matrix, 3d~nd tensor) - Tensor는 간단한 명령어 [.cu..