1. 문자열 표현 __repr__() 특별 메서드는 객체를 문자열로 표현하기 위해 repr() 내장 메서드에 의해 호출된다. __repr__() 메서드가 반환한 문자열은 명확해야 하며, 가능하면 표현된 객체를 재생성하는 데 필요한 소스 코드와 일치해야 한다. __repr__()와 __str__()을 비교하면, __str__() 메서드는 str() 생성자에 의해 호출되며 print()에 의해 암묵적으로 사용된다. __str__()은 사용자에게 보여주기 적당한 형태의 문자열을 반환해야 한다. 이 두 메서드 중 하나만 구현해야 하면 __repr__() 메서드를 구현하는 것을 추천한다. 파이썬 인터프리터는 __str__() 메서드가 구현되어 있지 않을 때의 대책으로 __repr__() 메서드를 호출하기 때문이다..
공부하는삶
* 윈도우 기반으로 작성하였습니다. [Git bash]를 선택하여 실행 git config --global user.name "사용자이름" git config --global user.email 이메일 Git에서 필요한 vim 편집기 명령어( ※출처: 만들면서 배우는 Git+GitHub입문 ) 목적 입력모드 키 입력 모드 전환(현재 위치부터 쓰기) 일반 I 입력 모드 전환(다음 줄부터 쓰기) 일반 O 입력 모드 전환(한 칸 뒤부터 쓰기) 일반 A 일반 모드 전환(입력 또는 명령모드에서) 입력, 명령 Esc 명령 모드 전환 일반 : (clone) 저장 명령 W 종료 명령 Q 저장후 종료 명령 WQ 1. git 기본 명령어 git init : 실행한 위치를 git 저장소로 초기화 git add + 파일이름 ..
Gaussian Filter와 Bilateral Filter의 차이점 https://dsp.stackexchange.com/questions/8316/the-difference-between-bilateral-filter-and-gaussian-filter The Difference Between Bilateral Filter and Gaussian Filter I would like to know the basic differneces between Gaussian filter and Bilateral filter in digital image processing... I just know that both are used to smooth out an image but I would really ap..
1) https://geunsuheo.github.io/deep%20learning/maskrcnn/ Mask R-CNN - 용어 정리를 중심으로 정리 Studying Programming Development geunsuheo.github.io 2) https://medium.com/@umerfarooq_26378/from-r-cnn-to-mask-r-cnn-d6367b196cfd From R-CNN to Mask R-CNN Region Based Convolution Neural Network medium.com 3) https://tensorflow.blog/2017/06/05/from-r-cnn-to-mask-r-cnn/ From R-CNN to Mask R-CNN Athelas의 블로그에 이미지..
- 문제를 여러 CPU로 병렬화한다면 n 코어 시스템에서 최대 n배의 속도 향상을 기대할 수 있음 - 암달의 법칙(Amdahl's law) : 코드 중 일부만 병렬화 할 수 있다면 그 부분에 얼마나 많은 CPU를 할당하느냐는 중요하지 않다는 사실을 보여준다. - 멀티프로세싱 모듈을 사용하면 프로세스나 스레드 기반의 병렬 처리를 사용해서 작업을 대기열에 분산시키고 프로세스 간에 데이터를 공유할 수 있음. 이 모듈은 주로 단일 컴퓨터에서의 멀티코어 병렬성에 초점을 맞춰 있음. CPU 위주의 작업을 여러 프로세스로 병렬화, I/O 위주의 문제를 병렬화. 멀티프로세싱 모듈로 처리할 수 있는 전형적인 작업 - CPU 위주의 작업을 Process나 Pool 객체를 사용하여 병렬화 - 더미(dummy) 모듈을 사용해..
1. 텐서(tensor) 2. 플레이스홀더(placeholder) : 그래프에 사용할 입력값을 나중에 받기 위해 사용하는 매개변수 3. 변수(variable) : 그래프를 최적화하는 용도로, 텐서플로우가 학습한 결과를 갱신하기 위해 사용하는 변수. 이 값들이 신경망의 성능을 좌우함 4. 연산 5. 그래프 : 텐서들의 연산 모음. 텐서플로우는 텐서와 텐서의 연산들을 먼저 정의하여 그래프를 만들고, 이후 필요한 연산을 실행하는 코드를 넣어 '우너하는 시점'에 실제 연산을 수행. 이런 방식을 지연 실행. 6. 랭크(Rank) : 차원의 수. 0이면 스칼라, 2이면 백터, 3이상 n-Tensor 또는 n 차원 텐서 7. 세이프(Shape) : 각 차원의 요소 개소, 텐서의 구조를 설명 코드 실행해보기 x_dat..
