인공지능 라이브러리& 프레임워크 Numpy

객체 Object란? Object(객체)란 데이터와 메서드가 합쳐진 것을 말한다. Object는 Object끼리 method등을 이용해 data를 바꾸고 서로 영향을 주고 받는다. Data는 variable이라고 부른다. Python에서 모든 것은 객체(Object)이

특정 shape의 numpy array 만들기 numpy.array의 datatype 리스트도 numpy.array로 만들 수 있다 ndarray의 shape ndarray with specific values ndarray를 어떤 값으로 초기화시키기 위해서 sh

Meta-data of ndarrays 왜 ndarray의 메타데이터를 알아야할까? numpy를 이용해 코딩을 할 때 많이 실수하는 부분을 메타데이터를 앎으로써 개선할 수 있다. 우리가 numpy를 이용한 텐서를 계산할 때 모든 데이터를 다 확인할 수 없는 경우가 대부

Reshape Numpy.reshape numpy.reshape(a, newshape, order='C') a 를 newshape 모양으로 바꿔서 반환한다. 바깥쪽 차원부터 채우는 원칙 (2,)모양의 ndarray가 있고 각각은 (3,) 모양의 ndarray이다. 3

Numpy를 사용하여 좋은 점For문을 사용하지 않고 원소별로 더해주는 것이 가능하다For 문이 프로그램 속도를 저하시키는 주요 원인For 문을 분석하는데 에너지가 많이 소모된다 -> 남의 코드 읽기 힘들다...\_\_add\_\_ , \_\_sub\_\_ ,\_\_m

ndarray의 인덱싱과 슬라이싱은 python의 list와 동일하게 작동한다.\[inclusive start:exclusive end]Element assignment with slicinga\[:5] = 0 \[ 0 0 0 0 0 6 7 8 9]a\[::2] = 2

행렬 ndarray에서의 axis, keepdims Axis 어떤 축을 기준으로 연산을 진행할 것인지 나타낸다. sum_ = a.sum(axis=0) >흔한 오해 : axis 0을 기준으로 더했으면 axis 0이 남겠네? 아니다! 오히려 axis 0의 차원이 사라진

Summation cumsum numpy.cumsum(a, axis=None, dtype=None, out=None) ndarray.cumsum(axis=None, dtype=None, out=None) np.sum은 ndarray의 해당 차원의 모든 원소를 더하여

소수점 아래 숫자가 많은 경우 출력을 할때 보기 좋지 않은 경우가 있다. 이런 경우 rounding을 통해 소수점 아래 몇자리까지만 표기/ 출력하는 기능을 수행할 수 있다. 연산에 직접적으로 사용하기에는 위험 부담이 존재한다. 딥러닝에서 소수점 아래 숫자들이 굉장히 중

우리가 필요한 다양한 sin, cos, log 등의 함수가 필요하다. constantPI = np.pi E = np.e대문자로 전부 나타낸 값은 수정하면 안되는 값으로 약속되어 있다. 그러니 관습을 따르도록.deg2rad & rad2degnumpy.rad2deg(x)

Dot product원소별로 곱하고 그 값을 더해주는 것이 dot product이다.\-> element-wise multiplication + sumDeep Learning에서의 적용affine은 x1w1 + x2w2 + x3w3 ... + b를 나타낸다.Matrix

(n,)을 1) 브로드캐스팅을 위해 (1,n), (n,1)로 바꿔줄 수 있다 2)(H,W)의 흑백 이미지가 있다고 할때 tensorflow는 이미지가 (H,W,C) shape으로 무조건 맞춰주기를 규칙으로 한다.Reshape은 원소의 개수가 변하지 않는 상태에서 sha

np.hstack과 np.vstack column 방향으로 / row 방향으로 array를 합칠 것인지 정하는 API이다 또 다른 예시 여기서는 hstack할시 1이라는 차원값이 유지된다는 차이점이 있다. 또다른 예시 조심할 것 (3,4)의 ndarray에 쌓기