본문 바로가기

전체 글265

[알고리즘] STL lower_bound(), upper_bound(), equal_range() lower_bound(), upper_bound(), equal_range()lower_bound(), upper_bound(), equal_range()은 이분 탐색을 통해서 어떤 값의 시작위치, 끝위치 또는 두 값모두를 리턴하는 함수이다. ex) 1 1 2 3 4 4 4 5 6 7 8 lower_bound의 경우 인덱스 4(value : 4) upper_bound의 경우 인덱스 7(value: 5) equal_range의 경우 인덱스 4와 7(value: 4,5) + 참고 + equal_range의 경우 distance() 함수와 같이 사용하면 좋다. lower_bound()vector::iterator iter; iter = lower_bound(s.begin(), s.end(), 4); cout 2018. 6. 1.
파이썬(Python) 리스트(sort, count, len) 리스트 값 변경이 가능하다. -> mutableappend를 통해 추가, del을 통해 삭제가 가능하다.인덱싱과 슬라이싱은 이전 자료를 참고 -> 파이썬(Python) 문자열(format 함수, 인덱싱, 슬라이싱) sort, count 함수 및 len 함수 사용 sort를 통해 사전순으로 정렬을 할 수 있다.count를 통해 안에 요소의 수를 셀 수 있다.len을 통해 리스트 전체 크기를 알 수 있다. 2018. 6. 1.
[section_12_lab] Dynamic RNN & RNN with Time Series Data Dynamic RNN사실 우리가 실제 딥러닝을 구현할 기회가 생긴다면 단어의 길이(Sequence length)는 일정하지 않을것이다. 이런 문제를 해결하는 것을 Dynamic RNN이라고 한다.이런 문제는 sequence_length의 값을 줌으로써 해겨한다. (왼쪽그림)만약에 5개의 단어의 길이(Sequence length)를 가지는 데이터에 sequence_length를 [5,3,4]를 주게 된다면 output의 결과는 0으로 나오게 된다.(padding과 같은 효과를 얻는다.예시 url : https://github.com/hunkim/DeepLearningZeroToAll/blob/master/lab-12-0-rnn_basics.ipynb RNN with Time Series Data시간에 따라.. 2018. 6. 1.
[section_12_lab] Long Sequence RNN (by Stacked RNN + Softmax layer) 문장을 입력하였을 때 자동적으로 학습하는 코딩하기(by Hyper parameter)import tensorflow as tf import random import numpy as np from tensorflow.contrib import rnn import pprint import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' sample = " if you want you" idx2char = list(set(sample)) # index -> char char2idx = {c: i for i, c in enumerate(idx2char)} # char -> idex # hyper parameters dic_size = len(char2idx) # RNN input .. 2018. 6. 1.

티스토리툴바