금일 , 작업중 수동으로 pycurl을 설치하다 , 바이러스에 감염되 아주 힘이들었다.Butteraalsofour.xyz 위 팝업이 나타나면서 꺼도 다시나타나 사라지지 않을 것인데이때 사용하기 제일 좋은 방법Google 크롬에서 Butteraalsofour.xyz 알림

온라인 쇼핑 앱에 필요한 상품목록 , 장바구니 , 주문폼을 단계별로 구축 컴포넌트는 화면에서 특정영역을 담당하여 동작을 처리하는 단위<<컴포넌트의 구성>><<애플리케이션을 구성하는 컴포넌트>>app-root다른 컴포넌트를 띄울 수 있도록 제일 먼저

Angular CLI를 사용하기 위해 설치한다.npm install -g @angular/cling --helpng new --help개발 서버에서 새로운 Angular 프로젝트를 생성,빌드 및 제공하려면새 작업공간의 상위 디렉터리로 이동하여 다음 명령어 사용ng ne

TypeScript 를 기반으로 하는 개발 플랫폼 - Angular1.@Component() 데코레이터가 붙는 TypeScript 클래스2.HTML 템플릿3.스타일3.1 - 컴포넌트를 템플릿에 추가할 때 사용하는 CSS 셀렉터3.2 - 추가로 컴포넌트가 표시되는 모습을

금일 , 쇼핑몰 페이지를 구축하는 과정중 useParams()filter()map()에 대한 이해를 적어보고자 한다.1.useParams이는 상세페이지와 같이 많은 페이지가 필요할 경우 , 이를 좀 더 쉽게 할 수 있는 환경을 제공해주는 Hook이다조금 더 자세하게 설

react에 대해서 깊이있게 금일 알아간 것 리액트 라우터 다중페이지 구축

react를 이용하여 프로젝트를 해보면서무작정 사용하는 것이 아닌 깊이있게 어떠한 원리로 인해 동작하는지 또는 이것을 동작시키기 위해선 어떠한 코드가 필요하는지에 대해 알아보고자 정리를 시작하게되었다클래스 컴포넌트에서는 생성자에서 state를 정의하고 setState함

open(text_file): 파일을 연다f.read()를 사용하여 파일의 내용을 읽는다split("\\n")을 사용하여 읽은 내용을 줄 바꿈 기준으로 나눕니다. :-1을 사용하여 마지막 빈 줄을 제외한 모든 줄을 선택text_pairs라는 빈 리스트를 생성합니다. 이

일반화된 셀프 어텐션 : 쿼리 -키 -값 모델멀티 헤드 어텐션< self- attention > import torch를 사용하여 PyTorch를 임포트합니다.import torch.nn.functional as F를 사용하여 PyTorch의 함수형 인터페이스를

데이터 준비정수 시퀀스 데이터셋 준비하기max_length는 텍스트 시퀀스의 최대 길이를 나타내며, max_tokens는 고려할 최대 토큰 개수를 나타냅니다

텍스트를 위한 딥러닝 1. 텍스트 표준화 2. 텍스트 분할 3. 어휘 인덱싱 TextVectorization층 사용하기 -> 주어진 데이터셋을 기반으로 단어 집합을 생성하고 , 텍스트를 인코딩하거나 디코딩하는 기능 제공 standardize(self, text)

img_path = keras.utils.get_file(fname="cat.jpg", origin="https://img-datasets.s3.amazonaws.com/cat.jpg")\-> get_file 함수를 사용하여 주어진 URL에서 이미지 파일을 다

1inputs = keras.Input(shape=(32, 32, 3))\-> shape=(32, 32, 3)는 32x32 크기의 RGB 이미지를 의미합니다. 입력은 keras.Input 함수를 사용하여 정의되며, 모델의 첫 번째 레이어로 사용x = layers.Con

컴퓨터 비전을 위한 고급 딥러닝 1 sorted -> 알파벳 순서 정렬 os.path.join(input_dir,fname) -> 두 개의 경로를 연결하여 새로운 경로를 생성하는 함수 if fname.endswith(".jpg") -> 파일 이름이 'jpg'로

기온 예측 문제fname = os.path.join("jena_climate_2009_2016.csv"):fname 변수에 "jena_climate_2009_2016.csv" 파일의 경로를 저장합니다. os.path.join() 함수를 사용하여 현재 작업 디렉토리와 파

validation data 추가callbacks 사용compilefitvalidation_split 사용위 코드를 사용하게 되면 , 기존 train data의 지정값만큼 validation data로 가게 된다.이를 통해 , accuracy , loss 뿐만 아니라

중요한 정보react 에서 만들어진 작업물은 클라이언트에서만 동작즉 , 서버를 구축하기 위해서는 express 를 설치해야한다.axios 는 http 통신을 위해 필요하다 . (fetch도 가능)mysql 사용하기 위해서는 , server폴더의 app.js 파일에

다양한 워크플로Sequential 모델 , Dense층에 익숙해졌고 훈련,평가, 추론을 위해 내장된 compile(),fit(),evaluate(),predict() api를 사용해보았다.Sequential 모델 가장 시작하기 쉬운 api 이다 . 기본적으로 하나의 파

6장 - 일반적인 머신 러닝 워크플로데이터 준비데이터 전처리 목적 : 주어진 원본 데이터를 신경망에 적용하기 쉽도록 만드는 것벡터화 , 2. 정규화 , 3. 누락된 값 다루기 등 \-> 신경망에서 모든 입력과 타깃은 일반적으로 부동 소수점 데이터로 이루어진 텐서여야 한

해당 코드는 TensorFlow 라이브러리의 Keras API를 사용하여 MNIST 데이터 세트를 다운로드하고 로드하는 코드코드의 첫 번째 줄에서는 mnist 모듈에서 load_data() 함수를 가져와서 MNIST 데이터 세트를 다운로드하고 로드데이터 세트에는 60,