Python

0001. 넘파이는 수치 계산용 라이브러리. 고도의 수학 알고리즘과 배열(행렬) 조작을 위한 편리한 메서드 많음.

0002. matplotlib은 그래프를 그려주는 라이브러리.

0003. 파이썬에는 type() 함수로 특정 데이터의 자료형을 알아볼 수 있음.

0004. 파이썬은 동적 언어. (동적: 변수의 자료형을 상황에 맞게 자동으로 결정)

0005. 파이썬 같은 동적 언어는 C나 C++같은 정적 언어(컴파일 언어)보다 처리 속도가 늦음.

0006. + 연산자를 사용하여 문자열을 이어 붙일 수 있음.

0007. 개발자가 직접 클래스를 정의하면 독자적인 자료형을 만들 수 있음.

0008. 클래스에는 그 클래스만의 전용 함수(메서드)와 속성을 정의할 수 있음.

0009. 클래스 정의에는 __init__라는 특별한 메서드가 있는데, 클래스를 초기화하는 방법을 정의.

0010. 이 초기화용 메서드를 생성자라고도 하며, 클래스의 인스턴스가 만들어질 때 한 번만 불림.

0011. 파이썬에서는 메서드의 첫 번째 인수로 자신(자신의 인스턴스)를 나타내는 self를 명시적으로 씀.

0012. 인스턴스 변수는 인스턴스별로 저장되는 변수.(self.name)

0013. np.array()는 파이썬의 리스트를 인수로 받아 넘파이 라이브러리가 제공하는 특수한 형태의 배열 반환.

0014. ‘원소별’ = element-wise

0015. 벡터와 행렬을 일반화 한 것: 텐서(tensor)

0016. X = X.flatten() # X를 1차원 배열로 변환

0017. X[np.array([0, 2, 4])] # 인덱스가 0, 2, 4인 원소 얻기

0018. X[X>15]

0019. 그래프를 그리려면 matplotlib의 pyplot모듈을 이용.

0020.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

import numpy as np
import matplotlib.pyplot as plt

# 데이터 준비
x = np.arange(0, 6, 0.1) # 0에서 6까지 0.1 간격으로 생성
y1 = np.sin(x)
y2 = np.cos(x)

# 그래프 그리기
plt.plot(x, y1, label = "sin")
plt.plot(x, y2, linestyle = "--", label = "cos") # cos 함수는 점선으로 그리기
plt.xlabel("x") # x축 이름
plt.ylable("y") # y축 이름
plt.title('sin & cos') # 제목
plt.legend()
plt.show()

0021. pyplot에는 이미지를 표시해주는 메서드인 imshow()가 있음.

0022. 이미지를 읽어 들일 때는 matplotlib.image 모듈의 imread() 메서드 이용.

Perceptron Algorithm

0023. 퍼셉트론이 딥러닝의 기원이 되는 알고리즘.

0024. 퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력.

0025. 퍼셉트론 신호는 ‘흐른다/안 흐른다(1이나 0)’의 두 가지 값을 가질 수 있음.

0026. 뉴런 = 노드

0027. 뉴런에서 보내온 신호의 총합이 정해진 한계(임계값)를 넘어설 때만 1을 출력

0028.

0029. 학습이란 적절한 매개변수 값을 정하는 작업

0030. theta를 -b로 치환하면,

0031. np.sum(w*x)

0032. w1과 w2는 각 입력 신호가 결과에 주는 영향력(중요도)를 조절하는 매개변수고, b(편향)은 뉴런이 얼마나 쉽게 활성화(결과로 1을 촐력)하느냐를 조정하는 매개변수.

0033. XOR: 배타적 논리합. x1과 x2 중 한쪽이 1일 때만 1을 출력.

0034. 단층 퍼셉트론으로는 비선형 영역을 분리할 수 없음.

Neural network

0035. 입력층, 은닉 층, 출력층

0036. 단층 퍼셉트론: 단층 네트워크에서 계단 함수(임계값을 경계로 출력이 바뀌는 함수)를 활성화 함수로 사용한 모델

0037. 다층 퍼셉트론: 신경망(여러 층으로 구성되고 시그모이드 함수 등의 매끈한 활성화 함수를 사용하는 네트워크)

0038. 시그모이드 함수

0039. 넘파이 배열의 자료형을 변환할 때는 astype() 메서드 이용.

0040. plt.ylim(-0.1, 1.1) # y축의 범위 지정

0041. np.exp(-x)

0042. 선형함수: 입력의 상수배만큼 변하는 함수

0043. 비선형함수: 직선 1개로는 그릴 수 없는 함수

0044. 계단 함수와 시그모이드 함수의 공통점은 둘 모두 비선형 함수.

0045. 선형 함수를 이용하면 신경망의 층을 깊게 하는 의미가 없어짐. ‘은닉층이 없는 네트워크’로도 똑같은 기능을 할 수 있음.

0046. ReLU는 입력이 0을 넘으면 그 입력을 그대로 출력하고, 0 이하면 0을 출력.

0047. np.maximum(0, x)

0048. np.ndim(A)

0049. np.dot(A, B)