본문 바로가기
반응형

전체 글

 (654)
[ Python ] 리스트를 인수로 전단 후 사용하기 파이썬에서 리스트를 함수의 인수로 넘길 때, 리스트 자체가 함수 외부와 내부에서 동일한 객체로 취급됩니다.이는 파이썬의 객체 참조 방식 때문입니다.파이썬에서 리스트와 같은 가변 객체(mutable object)는 함수에 전달될 때, 객체의 참조가 전달됩니다.따라서 함수 내에서 리스트를 수정하면 함수 외부의 리스트에도 영향을 미칩니다.1. 개념 설명1.1 객체 참조가변 객체: 리스트, 딕셔너리, 세트 등은 가변 객체로, 객체 내부의 값을 변경할 수 있습니다.불변 객체: 정수, 문자열, 튜플 등은 불변 객체로, 객체 자체는 변경할 수 없습니다.파이썬에서 함수 인수는 값에 의한 호출(call by value) 방식이 아니라, 참조에 의한 호출(call by reference) 방식으로 전달됩니다. 이는 함수에..
[ Python ] 파이썬의 딕셔너리(dictionary)와 세트(set) comprehension 파이썬의 딕셔너리(dictionary)와 세트(set) comprehension은 리스트 comprehension과 유사하게, 간결한 구문으로 딕셔너리와 세트를 생성하는 방법입니다. 이 기능들은 데이터를 변환하거나 필터링하는 작업을 보다 쉽게 수행할 수 있게 해줍니다. 각각의 comprehension에 대해 자세히 설명하겠습니다.1. 딕셔너리 Comprehension딕셔너리 comprehension을 사용하면 기존 딕셔너리나 다른 이터러블(iterable)로부터 새로운 딕셔너리를 쉽게 생성할 수 있습니다. 기본 구문은 다음과 같습니다:{key_expression: value_expression for item in iterable if condition}예제 1: 기존 딕셔너리 변환기존 딕셔너리의 값을 ..
[ Android ] RelativeLayout을 사용한 다양한 UI 예제 안드로이드의 RelativeLayout을 사용하여 다양한 UI 예제 프로젝트를 만드는 것은 앱 개발에 유용한 연습이 될 수 있습니다.RelativeLayout은 자식 뷰의 위치를 다른 뷰와 상대적으로 배치할 수 있게 해주는 레이아웃입니다.다음은 RelativeLayout을 사용한 몇 가지 UI 예제입니다.1. 로그인 화면로그인 화면 레이아웃 2. 사용자 프로필 화면프로필 화면 레이아웃 3. 상품 카드 레이아웃상품 카드 레이아웃 4. 채팅 메시지 레이아웃채팅 메시지 레이아웃 5. 로그인 성공 화면로그인 성공 화면 레이아웃 참고 사항각 예제는 RelativeLayout을 사용하여 자식 뷰를 다른 ..
[ 인공지능 / AI ] PyTorch Mobile 특징 및 기본 사용 방법 PyTorch Mobile은 PyTorch의 일부로, 모바일 및 임베디드 장치에서 머신러닝 모델을 실행하기 위해 설계된 경량화된 프레임워크입니다.PyTorch의 동적 계산 그래프와 직관적인 API를 모바일 환경에서도 사용할 수 있도록 최적화되었습니다.아래에 PyTorch Mobile의 주요 특징과 사용 사례에 대해 설명드리겠습니다.1. PyTorch Mobile의 주요 특징경량화 및 최적화:PyTorch Mobile은 모델을 경량화하고 최적화하여 모바일 및 임베디드 장치에서 효율적으로 실행할 수 있도록 합니다.모델을 TorchScript 형식으로 변환하여 최적화된 실행을 지원합니다.크로스 플랫폼 지원:PyTorch Mobile은 Android와 iOS에서 모두 사용할 수 있습니다.다양한 모바일 장치에서 ..
[ 인공지능 / AI ] TensorFlow Lite(TFLite) 특징과 사례 TensorFlow Lite(TFLite)은 TensorFlow 생태계의 일부로, 모바일 및 임베디드 장치에서 머신러닝 모델을 실행하기 위해 설계된 경량화된 프레임워크입니다.TFLite는 특히 성능 최적화와 모델 크기 축소를 목표로 하고 있습니다.아래에 TensorFlow Lite의 주요 특징과 사용 사례에 대해 설명드리겠습니다.1. TensorFlow Lite의 주요 특징경량화 및 최적화:TensorFlow Lite는 모델을 경량화하고 최적화하여 모바일 및 임베디드 장치에서 효율적으로 실행될 수 있도록 합니다. 이는 훈련된 TensorFlow 모델을 TFLite 형식으로 변환하는 과정에서 이루어집니다.최적화 기법에는 양자화, 클러스터링 및 프루닝 등이 포함됩니다.크로스 플랫폼 지원:TensorFlow ..
[ 인공 지능 / AI ] TensorFlow와 PyTorch 다른 특징과 장단점, 최소 하드웨어 사양 TensorFlow와 PyTorch는 두 개의 주요 딥러닝 프레임워크로, 각기 다른 특징과 장단점을 가지고 있습니다.아래에 두 프레임워크의 비교와 최소 하드웨어 사양에 대해 설명드리겠습니다.1. TensorFlow장점:풍부한 생태계: TensorFlow는 다양한 도구(TensorBoard, TensorFlow Lite, TensorFlow.js 등)와 라이브러리(Keras 통합, TFX 등)를 포함한 포괄적인 생태계를 제공합니다.모바일 및 임베디드 지원: TensorFlow Lite를 통해 모바일 및 임베디드 장치에서 모델을 실행할 수 있습니다.분산 컴퓨팅: TensorFlow는 대규모 분산 훈련을 지원하며, 클러스터에서의 모델 훈련이 용이합니다.산업 채택: 대규모 산업 프로젝트에서 많이 사용되며, 구글..
[ 인공 지능 / AI ] NVIDIA의 RTX 2080, 3080, 3090, 4060의 성능과 가격을 비교 다음은 NVIDIA의 RTX 2080, 3080, 3090, 4060의 성능과 가격을 비교한 표입니다.가격은 한국 원화(KRW)로 대략적인 값을 기준으로 하였습니다. GPUCUDA 코어 수기본 클럭 (MHz)부스트 클럭 (MHz)메모리 크기 (GB)메모리 타입메모리 대역폭 (GB/s)TDP (W)대략적인 가격 (KRW)RTX 20802944151517108GDDR64482151,000,000RTX 308087041440171010GDDR6X7603201,500,000RTX 3090104961395169524GDDR6X9363502,200,000RTX 40603072183024608GDDR6360115700,000 1. 요약RTX 2080: 기본적인 성능을 제공하며, CUDA 코어 수와 메모리 대역폭이 중..
[ 인공지능 / AI ] DCGAN 학습을 위한 최소 컴퓨터 사양 DCGAN(Deep Convolutional Generative Adversarial Networks) 알고리즘을 실행하는데 필요한 최소한의 하드웨어 사양은 다음과 같습니다:1. 최소 하드웨어 사양1. GPU (그래픽 처리 장치)필수: NVIDIA GPU (CUDA 지원)모델: NVIDIA GTX 1060 이상메모리: 최소 6GB의 VRAM (8GB 이상 권장)2. CPU (중앙 처리 장치)필수: 멀티코어 CPU모델: Intel i5 이상 또는 AMD Ryzen 5 이상코어 수: 최소 4코어 (8코어 이상 권장)3. RAM (주기억 장치)용량: 최소 16GB (32GB 이상 권장)4. 저장 장치타입: SSD (Solid State Drive)용량: 최소 256GB (데이터 세트 크기에 따라 더 큰 용량 ..
반응형

티스토리툴바