본문 바로가기

전체 글

Trouble Shooting Visual Studio 정적 라이브러리 빌드 방법 holinder4s.tistory.com/21 32bit 형변환 vs 8bit 조합 (uint32)message[0]; or ((message[3] 더보기
sprintf, vprintf, svprintf 사용법 목차 int vprintf(const char *_Format, va_list _ArgList); // 가변인자 받는다. printf와 사용법이 같다. int sprintf(char *_Dest, const char * _Format, ...); // 버퍼(_Dest)에 출력 값 담는다. int vsprintf(char *_Dest, const char *_Format, va_list _ArgList); // 버퍼(_Dest)에 출력 값 담는다. 가변인자 받는다. ※ int fprintf(FILE *stream, const char* format, ...); // 파일 포인터에 출력 값을 담는다. ※ vprintf는 printf와 유사하고, vsprintf는 sprintf와 유사하다. ※ or 에 속해 .. 더보기
1) 설치법 (Jetson Nano / Rasberry Pi4 사양 비교) 1) Jetson Nano Image 설치법 공식 홈페이지에 나온데로 수행하면 된다. 1) Micro SD 카드를 포맷한다. - Formatter 다운(link) 2) JetsonNano Image를 내려 받는다 - (link) 3) Etcher와 같은 FlashLoad 프로그램 이용하여 Flash Load 한다 - (link) ※ Putty를 이용한 Serial 통신 법 - Graphic을 사용하지 않고, Window PC를 통해 Jetson을 Serial로 접근하고 싶다면, (J48 점퍼 채결 후) J25를 통해 Power를 넣고 J28로 Window PC에 연결해서 통신한다. - (link) -->Initial Setup Headless Mode 참고 ※ Jetson Nano Developer Ki.. 더보기
Transformer 설명 ※ 아래는 여러 블로그를 참고하여 만든 것입니다. 사전 지식) Attention 모델 ----------------- 기본 ----------------- 1) Transformer의 내부 2) Encoder의 내부 2-1) 구조 2-2) 역할 2-3) Self Attention 네트워크 3) Decoder의 내부 4) 전체 네트워크 구조 ----------------- 심화 ----------------- 5) Transformer 심화 5-1 ~ 6) Self-Attention 첫번째 ~ 여섯번째 단계 6) Multi-head Self Attention layers (MSA) 7) Positioning Encoding 방법 8) Decoder 상세 9) 마지막 단계 10) 학습 데이터 예시 Trans.. 더보기
BOJ2546(경비원) 풀이 - 거리 차이를 구하는 것이기 때문에, 한점을 기준으로 절대 거리를 구해서 빼주면 된다. from sys import stdin x,y = map(int, stdin.readline().split()) n = int(stdin.readline()) def dist_cal(idx, pos): if idx == 1: #북 return pos elif idx == 2: #남 return x + y + x - pos elif idx == 3: #서 return 2 * (x + y) - pos else : return x + pos pos = [] for _ in range(n + 1): idx, p = map(int, stdin.readline().split()) pos.append(dist_cal(idx.. 더보기
Likelihood(가능도) ▶ Likelihood - 확률분포의 모수($\theta$)가 어떤 확률 변수의 표본과 일관되는 정도를 나타내는 값이다. --> 표본(x)을 설명할 수 있으려면, 모수($\theta$)는 어떻게 되어야 하는지 가능성을 나타낸다. - 구체적으로, 표본에 대한 모수의 Likelihood는 이 모수를 따르는 분포가 주어진 관측값에 대하여 부여하는 확률이다. -->표본(x)가 주어졌을때 이를 설명할 수 있는 모수($\theta$)의 Likelihood는 이 모수를 따르는 분포가 주어진 관측값(X = x)에 대하여 부여하는 확률이다. Ex1) 동전을 던져 앞면(H)이 나오는 확률을 $p_H$라 하자. 만약 $p_H = 0.5$일때, HH(앞면 두번) 나올 확률은 (곱의 법칙에 의해) 0.25이다(수식 오른쪽). .. 더보기
최대 우도 추정법(MLE) 사전 지식 : 가능도(Likelihood) Contents - 최대 우도 추정(MLE) - 최대 우도 추정법의 일반적인 계산방법 - 정규 분포(Normal Distribution)에서의 최대 우도 추정법 - 이항 분포(Binomial Distribution)에서의 최대 우도 추정법 최대 우도 추정(MLE) 최대우도추정은 확률 분포에서 (데이터를 이용해) 가능성을 최대화하는 모수를 추정하는 방법이다. (Find an optimal way to fit a distribution to the data) 즉, 데이터를 잘 설명하는 모델을 찾고자 하는 것이다. 왜 모델을 찾으려 할까? 데이터를 일반화함으로써 데이터를 잘 이해할 수 있고 예측하는 것이 가능하기 때문이다. e.g. 데이터가 (정규/지수/감마) 분포를.. 더보기
Hungarian Maximum Matching Algorithm Contents 1. Hungarian matching algorithm 정의 2. Hungarian algorithm설명 3. 코드 1. Hungarian matching algorithm - 이분 그래프상에서 최대 가중치 매칭을 찾는 알고리즘이다. - 할당 문제 - $O(|V|^3)$ 알고리즘 적용 상황 예시) Musician, Chef, Cleaners를 고용하려고 하고, 하나의 회사에서 하나의 서비스만 제공할 수 있다. (CompanyA, B, C는 Musician, Chef, Cleaners를 파견하는 서비스 제공회사이다) 사용자는 금액을 최소화 하면서 서비스를 이용 하고 싶다. 위의 상황은 이분 그래프로 표현이 가능하다. 하나의 회사가 하나의 서비스만을 제공할 수 있기 때문이다. 2.Hunga.. 더보기

티스토리툴바