본문 바로가기

전체 글

 (104)
pykakao GitHub - WooilJeong/PyKakao: 카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리 GitHub - WooilJeong/PyKakao: 카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리. Contribute to WooilJeong/PyKakao development by creating an account on GitHub.github.com kakao의 오픈소스 Ep9 - Khaiii : 카카오의 딥러닝 기반 형태소 분석기 - tech.kakao.com kakao의 오픈소스 Ep9 - Khaiii : 카카오의 딥러닝 기반 형태소 분석기 - tech.kakao.com“카카오의 오픈소스를 소개합니다” 아홉 번째는 ja..
[linux] gcc 버전 확인 gcc --version
[linux] 압축(tar, tar.gz, tar.xz) 및 압축 풀기 tar는 Tape Archiver의 줄임말로 압축 방식보다는 일종의 묶음 형태따라서 tar로 우선 묶은 후 gz (gzip) 형식으로 압축을 많이 한다다만 xz 가 압축률이 더 좋아 최근에 많이 쓰인다 tar로 묶을 시 묶이기 전 파일들의 속성과 디렉토리 구조등을 모두 보존할 수 있고압축과 압축 해제 등의 작업을 거치면서 파일이 변경, 소실될 염려가 없기 때문에소스 배포 파일을 만드는 용도로 자주 사용 tar 압축 tar -cvf [파일명].tar [대상 폴더 경로]# test 폴더를 test.tar 로 압축한다면# tar -cvf test.tar test 여러 파일 또는 디렉토리를 하나의 tar 파일로 압축 시 tar -cvf [파일명].tar [압축 할 파일1][압축 할 파일2][압축 할 폴더1][압..
[linux] 쉘 명령어 wget - 파일 다운로드 wget https://developer.arm.com/-/media/Files/downloads/gnu-a/10.3-2021.07/binrel/gcc-arm-10.3-2021.07-x86_64-aarch64_be-none-linux-gnu.tar.xz
git commands 목록step1step2step3step4수정된 파일만 commitgit add -ugit commit -m "test"git statusgit push -uf origin main모든 파일을 commitgit add -Agit commit -m "test"git statusgit push -uf origin main지정된 src(경로)의 파일만 commitgit add src/*git commit -m "test"git statusgit push -uf origin main브랜치 리스트 확인git branch -v　　　브랜치 생성git branch 브랜치명　　　브랜치 사용git checkout 브랜치명  　　　remote 등록 서버 확인   git remote -v　　　3단 머지git merge --no..
SD CARD format to FAT32 sd카드 확인:lsblk2GB 이하:sudo mkfs.fat /dev/(device name from above) -s 64 -F 164GB - 128GB: sudo mkfs.fat /dev/(device name from above) -s 64 -F 32128GB 이상: sudo mkfs.fat /dev/(device name from above) -s 128 -F 32
OS image write on SD CARD sudo umount /dev/sdb1sudo dd bs=4M if= of=/dev/sd status=progress ex)sudo dd bs=4M if=./abcd.wic of=/dev/sdb  status=progress
신경망 각 층의 구현(분류) import numpy as npimport matplotlib.pyplot as pltX = np.arange(-1.0, 1.0, 0.1)Y = np.arange(-1.0, 1.0, 0.1)w_im = np.array([[1.0,2.0],[2.0,3.0]])w_mo = np.array([[-1.0,1.0],[1.0,-1.0]])b_im = np.array([0.3,-0.3])b_mo = np.array([0.4,0.1])def middle_layer(x, w, b):    u = np.dot(x, w) + b    return 1/(1+np.exp(-u))def output_layer(x, w, b):    u = np.dot(x, w) + b    return np.exp(u)/np.sum(np.ex..

티스토리툴바