본문 바로가기

분류 전체보기184

[tensorflow gpu 설정 에러 원인과 해결] "Memory growth cannot differ between GPU devices" 에러 문구 Traceback (most recent call last): File "", line 1, in File "/usr/local/lib/python3.8/dist-packages/tensorflow/python/framework/constant_op.py", line 271, in constant return _constant_impl(value, dtype, shape, name, verify_shape=False, File "/usr/local/lib/python3.8/dist-packages/tensorflow/python/framework/constant_op.py", line 283, in _constant_impl return _constant_eager_impl(ctx, value.. 2022. 7. 18.
[기초 알고리즘] 1부터 n까지의 합 구하기 문제 : 1부터 n까지 연속한 정수의 합을 구하는 알고리즘을 만들자 1단계 : 문제 정의하기 1) 입력 : n 2) 절차 : 1부터 n까지의 정수를 모두 더한다 3) 출력 : 1~n의 총 합 2단계 : 문제 풀이 절차 개념화 하기 예) 1에서 5까지 연속하는 정수 Case 1 ) 단순히 문제 그대로 풀어보기 1) 1 + 2 = 3 2) 3 + 3 = 6 3) 6 + 4 = 10 4) 10 + 5 = 15 Case2 ) 합 공식 활용하기 n(n+1) /2 3단계 : 구현하기 Case1 구현 n = 100 def sum_def(n): result = 0 for i in range(1, n+1): result += i return result print(sum_def(n)) Case2 구현 def sum_de.. 2022. 7. 18.
[코딩 알고리즘 기본 정리] 알고리즘이란? 알고리즘 분석?이란 알고리즘이란? 어떤 문제를 풀기 위한 절차나 방법 어떤 문제를 풀기 위한 절차나 방법 주어진 '입력'을 '출력'으로 만드는 과정 각 단계는 구체적이고 명료해야 함 알고리즘 분석이란? 알고리즘의 성능이나 특징을 분석하는 것 알고리즘을 푸는 여러 가지 방법이 있음 여러 가지 알고리즘 중에 상황에 맞는 적당한 알고리즘을 골라 문제를 풀 수 있음 그러기 위해서는 어떤 알고리즘이 어떤 특징을 지니고 있으며 얼마나 계산이 빠르고 편한지 알아야 함 알고리즘 평가하기 1) 계산 복잡도 평가하기 코드 실행시간을 확인하는 방법 참조 : https://camel-it.tistory.com/97 Python 코드 실행 시간 측정 (성능측정) python 코드의 순수 연산 시간과 전체 실행 시간을 측정하는 방법은 다음과 같습니.. 2022. 7. 17.
[MA VS MSA 비교]모놀리식 아키텍처(MA) VS 마이크로서비스 아키텍처(MSA) 모놀리식 아키텍처 VS 마이크로 서비스 아키텍처 * 공통점 : 시스템 전체가 하나의 목적(서비스)을 지향하며 개발됨 * 차이점 : 모놀리식 아키텍처 대비 마이크로 서비스는 개별 기능을 작은 독립된 서비스로 개발하여 연결함 * 아키텍처 선택 기준 - 서비스의 확장성이 많은 AWS 등과 같은 경우에는 마이크로서비스 아키텍처로 개발됨 - 소규모의 폭포수 방식의 개발에서는 모놀리식 아키텍처로 주로 개발됨 * 마이크로서비스 아키텍처(MSA) 적용 기업 - 금융 : CapitalOne, Citibank, Nasdaq, Wells Fargo, Goldman Sachs, Lending Club - 커머스 : Gilt, eBay, Amazon, Walmart, Groupon, Autoscout24, 쿠팡, GS홈쇼핑 -.. 2022. 7. 14.
[도커 error 해결] 도커 주피터 노트북에서 파일 생성이 안 될 때 도커에서 주피터 노트북을 만드는데, 새로운 파일에 접근 권한이 금지된 경우 해결 더보기 docker jupyter notebook new file permission denied docker jupyter notebook untitled.ipynb permission denied 도커 주피터 노트북 실행 후, ‘/work’ 디렉토리에는 새로운 파일이 생성되지만 ‘/work/tmp’ 에는 새로운 파일 생성이 불가능했다 이건 마운트된 폴더의 권한 허용을 바꿔주면 해결된다. 예를 들면, 도커를 실행할 때 아래와 같이 실행했다면 docker run --rm -it- p 8888:8888 -v="/home/username/data_EDA:/home/jovyan/work/tmp" jupyter/datascience.. 2022. 7. 1.
[한번에 끝내는 환경 구축] 도커 설치(gpu)부터 이미지 생성 및 컨테이너 사용까지 도커 환경 구축 도커 gpu 설치 및 실행 도커 설치 참조 링크 https://shanepark.tistory.com/237 # docker 설치 https://sseongju1.tistory.com/16 # docker gpu 설치 https://dongle94.github.io/docker/docker-nvidia-docker-install/ # docker gpu 설치 https://comcube.tistory.com/entry/Ubuntu-에서-GPG-ERROR-NOPUBKEY-에러시-해결방법 # docker image 만들 때 퍼블릭키 에러 해결 도커 설치하기 설치에 필요한 apt 업데이트 및 설치 sudo apt-get update sudo apt-get install \\ ca-certifi.. 2022. 6. 30.
[논문리뷰] Factorization Machines Abstract Factorization Machines은 SVM과 마찬가지로 feature vector의 실제값으로 예측을 하지만, 인수분해된 파라미터 값을 사용하여 모든 변수와 상호작용을 한다. 따라서 엄청 큰 sparse한 데이터 셋은 SVM으로 예측을 실패할 수 있지만 FM으로는 가능하다. FM 모델은 선형시간(시간복잡도)내에서 계산되어 최적화를 할 수 있다. 특히 비선형 SVM에서 dual form으로 변형한 계산이 필요 없다. 반면에 matrix factorization, 병렬 요인 분석 또는 SVD++, PITF, FPMC와 같이 특수화된 모델도 있다. 그러나 이러한 모델은 특수한 데이터에만 적용할 수 있으며 각 태스크별로 알고리즘 최적화를 진행해야 한다. 그러나 FM은 feature vec.. 2021. 8. 30.
[pandas] groupby 집계 함수 활용법 모음 데이터 프레임에서 집계하여 활용하는 다양한 방법 모음 활용 예시 데이터셋 import pandas as pd import numpy as np raw_data = {'id':['id1', 'id2', 'id3','id2', 'id3'], 'data1':[34,12,5,45,67], 'data2':[1234,3255,3245,4356,7032]} df = pd.DataFrame(raw_data) print(df) >>> print(df) id data1 data2 0 id1 34 1234 1 id2 12 3255 2 id3 5 3245 3 id2 45 4356 4 id3 67 7032 1. 간단한 집계 sum(), count(), min(), max(), mean(), median() 둥.... # 특정 .. 2021. 8. 1.
[pandas] loc 와 iloc의 간단 명료한 차이 설명 .loc 명시적인 인덱스를 참조하여 데이터 프레임을 인덱싱/슬라이싱 .iloc 암묵적인 인덱스를 참조하여 데이터 프레임을 인덱싱/슬라이싱 예시 import pandas as pd raw_data = {'index':['id1', 'id2', 'id3'], 'age':[34,12,5], 'adress':[1234,3255,3245]} df = pd.DataFrame(raw_data) df = df.set_index('index') print(df) # indexing df.loc['id1'] # age 34 # adress 1234 # slicing df.loc['id1', 'adress'] # 1234 # indexing df.iloc[0] # age 34 # adress 1234 # slicing df.. 2021. 8. 1.
[프로그램 개념 정리] 함수(매개변수, 인자), 메서드, 패키지, 라이브러리 개념 정리. 더이상 혼동하지 말자! 함수(function)란? 특정 기능을 수행하는 코드 컴퓨터에 인풋을 넣고 특정 기능을 수행하여 아웃풋을 반환함 매개변수(parameter) : 함수를 정의할 때(만들 때) 넘겨받은 값을 관리하는 변수 인자(argument) : 함수를 호출할 때(사용할 때) 함수로 넘겨주는 자료 def addFunc(a,b): # 매개변수 a, b return a+b addFunc(1,2) # 인자 1,2 메서드란? 특정 자료에 대해 특정 기능을 하는 코드 함수 VS 메서드 함수는 특정 기능을 한다. (매개변수를 이용해 자료를 전달해준다.) 메서드는 특정 자료와 연관지어 기능을 한다.(자료 뒤에 .을 찍어 사용한다.) 주료 객체지향 프로그래밍에서 사용됨 my_list = [1,2,3] # 함수 len(my_list) s.. 2021. 8. 1.
[스낵수학] 부채꼴의 개념과 특징 정리 호의 개념 원 O 위의 두 점 A, B를 잡으면 원은 두 부분으로 나누어 지는데 이 두 부분을 각각 호라고 함 현, 지름, 할선 개념 현이란? 원 위의 두 점을 잇는 선분 (예: 양 끝점이 D, E인 선분) 지름이란? 원의 중심 O를 지나는 현 DF 할선이란? 한 직선 l이 원 O와 두 점에서 만나는 직선 부채꼴 활꼴 중심각 개념 부채꼴이란? 원O에서 두 반지름과 호로 이루어진 도형 (예를 들면, 원 O의 두 반지름 OA, OB와 호 AB로 이루어진 도형을 부채꼴 AOB라 함) 중심각이란? 부채꼴에서 원점O의 각, 부채꼴의 호에 대한 각 (예를 들면, 부채꼴 AOB에서 ∠AOB를 호 AB에 대한 중심각 or 부채꼴 AOB의 중심각이라 함) 부채꼴과 중심각 : 호 AB를 ∠AOB에 대한 호라고 함 활꼴이란.. 2021. 7. 24.
[스낵수학] 다각형의 내각, 외각, 대각선, 그리고 각의 크기 개념 정리 및 공식 다각형(Polygon)이란? 3개 이상의 선분으로 둘러싸인 평면도형 변 : 다각형을 이루는 선분 꼭짓점 : 변과 변이 만나는 점 내각 : 다각형에서 이웃하는 두 변으로 이루어진 내부의 각 외각 : 다각형의 각 꼭짓점에서 한 변과 그 변에 이웃하는 변의 연장선이 이루는 각 대각선 : 다각형의 한 꼭지점에서 이와 이웃하지 않는 다른 한 꼭짓점을 이은 선분 다각형의 한 꼭짓점에서 내각의 크기와 외각의 크기의 합은 180°이다. n각형의 한 꼭지점에서 그을 수 있는 대각선의 개수 n-3 n각형의 대각선의 개수 n(n-3)/2 내각의 크기 + 외각의 크기 = 180° 다각형의 외각의 크기의 합은 항상 360° 정n다각형의 외각의 크기는 360°/n n각형에서 내각의 크기의 합은 180°(n-2) 180 * 삼각형.. 2021. 7. 21.
[스낵수학] 삼각형의 합동과 닮음 기본 개념 요약 작도란? 눈금 없는 자와 컴퍼스만을 사용하여 도형을 그리는 것 삼각형 명칭 삼각형을 기호로 나타내면? △ABC ∠A와 마주 보는 변 BC는? ∠A의 대변 변 BC의 대각은? ∠A △ABC에서 ∠A, ∠B, ∠C의 대변의 길이는? 각각 a, b, c △ABC의 변의 길이의 관계는? 변BC < 변AB + 변AC 삼각형의 합동 조건 대응하는 세 변의 길이가 각각 같을 때(SSS 합동) 대응하는 두 변의 길이가 각각 같고, 그 끼인각의 크기가 같을 때(SAS 합동) 대응하는 한 변의 길이가 같고, 그 양 끝 각의 크기가 각각 같을 때(ASA 합동) [참조] S : Side의 약자, A : Angle의 약자 삼각형의 닮음 조건 대응하는 세 변의 길이의 비가 각각 같을 때(SSS 합동) 대응하는 두 변의 길이의 비.. 2021. 7. 20.
[스낵수학] 평행선의 성질, 동위각, 엇각, 평행선 개념 정리 동위각이란? 서로 다른 두 직선 l, m과 다른 한 직선n이 만나서 생기는 각 중에 서로 같은 위치에 있는 각 엇각이란? 서로 다른 두 직선 l, m과 다른 한 직선n이 만나서 생기는 각 중에 서로 엇갈린 위치에 있는 각 평행선의 성질은? 서로 다른 두 직선이 한 직선과 만날 때, ❶ 두 직선이 평행하면 동위각의 크기는 서로 같다. ( l // m 이면 ∠a=∠b ) ❷ 두 직선이 평행하면 엇각의 크기는 서로 같다. ( l // m 이면 ∠a=∠c ) ❸ 동위각의 크기가 같으면 두 직선은 평행하다. ( ∠a=∠b 이면 l // m ) ❹ 엇각의 크기가 같으면 두 직선은 평행하다 ( ∠a=∠c 이면 l // m ) [읽을거리] 2021. 7. 19.
[스낵수학] 점, 선, 면의 위치 관계 개념 1. 점과 직선의 위치 관계 점 A는 직선 l 위에 있다. 직선 l이 점 A를 지난다. 점 B는 직선 l 위에 있지 않다. 직선 l이 점 B를 지나지 않는다. 점 B는 직선 l 밖에 있다. 2. 점과 평면의 위치 관계 점 A는 평면 P위에 있다. 평면 P는 점 A를 포함한다. 점 B는 평면 P위에 있지 않다. 평면 P는 점 B를 포함하지 않는다. 점 B는 평면 P 밖에 있다. 3. 두 직선의 위치 관계 (3) 그림 설명 : 한 평면에서 직선 l과 직선 m은 평행하다 기호로 표기하면, l // m 직선 l은 평면 P의 수선이다. 기호로는 표기한다. 4. 직선과 평면의 위치 관계 5. 평면과 평면의 위치 관계 (a): 만난다. (이때, 평면과 평면이 만나는 지점에서 직선이 형성되는데 이를 교선(Interse.. 2021. 7. 19.
반응형

티스토리툴바