지속가능티끌/Data.Math.Phys ( 75 ) 인텔. Movidius. Neural Compute Stick Features Supports Convolutional Neural Network (CNN) profiling, prototyping and tuning workflowReal-time on device inference – Cloud connectivity not required Features the Movidius™ Vision Processing Unit (VPU) with energy-efficient CNN processingAll data and power provided over a single USB type A portRun multiple devices on the same platform to scale performance ///1394. 2017. 7. 29. FANN Tool. 간단 사용가능 신경망 소프트웨어. FANN Tool 개요 FANN 라이브러리 기반으로 제작된 응용프로그램. - 코딩작업없이 데이터에 신경망 적용 가능. - 타 프레임웍(GPU, Cuda, 타 라이브러리 등) 종속성 없어 설치 즉시 실행가능. FANN Tool 설치. 다운로드 : FannTool-1.2.zip 상기 zip 파일 다운 받아 압축풀고 폴더 bin 의 FannTool.exe 실행하면된다. FANN Tool 실행샷. FANN Tool 사용법 FANN Tool 메뉴얼 : https://storage.googleapis.com/google-code-archive-ownloads/v2/code.google.com/fanntool/FannTool_Users_Guide.zip 연관. FANN 라이브러리 : http://igotit.tist.. 2017. 7. 28. 뉴럴넷 3D 시각화 동영상. ///1387 2017. 7. 26. DyNet. Dynamically structured Network. DyNet 개요. 주요특징. - dynamic structures that change for every training instance. - written in C++.- API for User : C++ , Python. - CPU, GPU 모두 실행가능.- 윈도우10 도 지원됨( Visual Studio 2015 ). DyNet 문서사이트 : http://dynet.readthedocs.io/en/latest/index.html GitHub : https://github.com/clab/dynet Practical Neural Net for NLP : http://demo.clab.cs.cmu.edu/cdyer/emnlp2016-dynet-tutorial-part2.pdf ///1381. 2017. 7. 24. SNNS. Stuttgart Neural Network Simulator SNNS. Stuttgart Neural Network Simulator 주요특징. 유닉스기반. Backpropagation (BP) for feedforward networks vanilla (online) BP BP with momentum term and flat spot elimination batch BPCounterpropagation Quickprop Backpercolation 1 RProp Generalized radial basis functions (RBF) ART1 ART2 ARTMAP Cascade Correlation Recurrent Cascade Correlation Dynamic LVQ Backpropagation through time (for recurrent netwo.. 2017. 6. 26. R. RSNNS package. Stuttgart Neural Network Simulator RSNNS : Stuttgart Neural Network Simulator(SNNS) 의 R 패키지. 매뉴얼 : https://cran.r-project.org/web/packages/RSNNS/RSNNS.pdf 깃허브 : https://github.com/cbergmeir/RSNNS ///1333. 2017. 6. 26. 트리순회. 재귀호출. Tree Traverse. Recursion Call. 개요 트리 구조예. 트리순회 (Tree Traverse) : 트리구조의 각 노드에 중복없이 모두 접근하는것. 재귀호출 (Recursion Call) : 함수가 자기 자신을 호출하는것. 트리 순회 구현은 필연적으로 재귀호출 형식으로 구현된다. 트리순회 함수. 재귀함수 가 왜 요구되는지 단계별 이해. 단계1. 일반적인 트리순회 함수 전체 구현 전에 어떤 노드 1개를 함수 입력으로 전달하면 입력한 노드의 하위 노드에 접근하는 코드를 먼저 구현해보자. void myFunc( nodetype node_in) { node_in 에 연결된 모든 node 루프 { node_1; // 여기서 함수 입력 node_in 에 연결된 node_1에는 모두 접근완료됨. } } 단계2. - 비 재귀적 구현시도. 상기 단계1에서의 .. 2017. 6. 23. Time Series. 시계열. 데이터. 처리. 분석. 개요. Time Series (시계열)데이터 셋 에서 n 이 시각인것. Time Series Analysis (시계열 분석) - 데이터셋 값들로 산술(+,-, x, /), 비교, 논리 연산 하는 행위. - 수학적으로는 결국 데이터 셋 일 뿐이므로 일반적으로는 데이터 분석(Data Analysis) 에 포함됨. - 데이터 셋의 물리적 의미가 이미지이면 이미지 처리, 시계열이면 시계열처리. 시계열중에서 음성이면 음성처리. - 연산결과 형식 : 다른 시계열 출력. 혹은 상수 값 출력. 혹은 다른 디멘션 출력. - 시계열분석 예 : 평균, 필터, 표준편차, 주파수성분분해, ... 등. - 용어 Analysis 나 Processing 이나 같은 의미. 시계열 분석 종류 예시. from : http://laxtha.. 2017. 6. 22. R. package TensorFlow. 설치. Overview TensorFlow 의 R용 패키지. - 리눅스 용만 배포됨.(2016년 11월 13일) main site : https://rstudio.github.io/tensorflow/index.html TensorFlow R 패키지 설치. 사전 필수환경. 1. 운영체제 : Ubuntu 16.04 에 R 설치되어있어야 한다. - 우분투에 R 설치 상세보기 -> http://igotit.tistory.com/1081 2. Ubuntu16.04 에 TensorFlow 설치되어있어야 한다. - 설치 상세보기 -> http://igotit.tistory.com/1089- TensorFlow 는 실행환경에 따라 설치되는 바이너리가 다르며, 본 글에서는 Ubuntu 64bit, GPU enabled, Py.. 2016. 11. 13. R. package devtools 설치. Overview R 패키지 devtools : R 기반의 패키지 개발 쉽게 해주는 툴. devtols 관련 사이트.1. https://cran.r-project.org/web/packages/devtools/README.html2. https://www.rstudio.com/products/rpackages/devtools/ devtools 설치. R console 창에서 아래 구문 실행. install.packages("devtools") 주의.우분투 16.04 의 R 인 경우 devtools 가 dependeny 있는 아래 항목들을 terminal 창에서 먼저 설치하고 나서 상기 R console 에서 devtools 설치해야 정상적으로 설치된다. sudo apt-get install libcurl4.. 2016. 11. 13. TensorFlow. Ubuntu 에 설치. Overview 우분투16.04 에 TensorFlow 설치. TensorFlow 설치방법 참조 사이트: https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#download-and-setup TensorFlow 설치방식은 아래처럼 5가지가 가능하다. 1. Pip install,- Pip 란 소프트웨어 패키지를 설치하고관리하는 Python 으로 제작된 툴S/W. 2. Virtualend install, 3. Anaconda install, 4. Docker install, 5. installing from source. 설치방법 선택 주의 : R의 tensorflow 패키지에서도 사용가능하려면 Anaconda install방식으로 설치하.. 2016. 11. 13. cuDNN. Ubuntu 에 설치. Overview cuDNN 을 운영체제 우분투에서 다운로드 받고 cuDNN 라이브러리 사용가능 상태 만들기. 참고cuDNN 을 windows에서 다운로드하기 -> http://igotit.tistory.com/573 cuDNN 5.1 for CUDA 8.0 을 Ubuntu 16.04 에서 다운로드 기타처리. cuDNN 버전 : 5.1 (현재 2016년 11월 13일 최신버전)download url : https://developer.nvidia.com/cudnn 단계1. 다운로드. 리눅스용은 위 다운로드 주소에서 아래 붉은 박스 3개만 다운로드 하면 된다. 설명문2개와 cuuDNN 라이브러리 압축파일1개 (파일명 : cudnn-8.0-linux-x64-v5.1.tgz )이다. 단계2. 다운로드 받은 cu.. 2016. 11. 13. CUDA Toolkit. Ubuntu 에 설치. Overview Ubuntu 운영체제에 CUDA Toolkit 설치방법. 본 글에서의 설치 방법은 deb installation 방식적용. ( nouveau 비활성처리등이 요구되는 runfile installation 방식 아님.) 참고. window10 에 CUDA8설치방법 -> http://igotit.tistory.com/1005 CUDA Toolkit 8 설치. - Ubuntu 16.04 용. 리눅스에 CUDA 설치위한 사전 요구사항. 1. CUDA 지원하는 엔비디아사 GPU 있어야 함. 2. 64bit 리눅스일것. 확인 방법 : 터미널 창에 uname -m && cat /etc/*release 실행하여 x86_64 가 보이면 64비트임.3. CUDA 이용하여 개발하려면 gcc 컴파일러 있어야 함.. 2016. 11. 12. R. 우분투에 R 설치. R Studio 설치. 우분투 버전 : 16.04 R 설치. 아래 커맨드 terminal 창에서 실행한다. sudo echo "deb http://cran.rstudio.com/bin/linux/ubuntu xenial/" | sudo tee -a /etc/apt/sources.list gpg --keyserver keyserver.ubuntu.com --recv-key E084DAB9 gpg -a --export E084DAB9 | sudo apt-key add - sudo apt-get update sudo apt-get install r-base r-base-dev 상기 커맨드들 의미. R repository 를 우분투에 등록. 인증키관련 처리. r-base 와 r-base-dev 설치. 설치된 R의 경로 : Home/R.. 2016. 11. 11. R. 시계열 periodic, trend 성분 분해. Overview 시계열에서 주기적인 성분과 트렌드 성분으로 분해하기 위하여 R 에서 제공하는 stl 함수이용예. R의 stl 함수 이용 성분 분해. 1. 시계열 예 : sin(t) + t 형식으로 주기적인 성분은 sin(t) 트렌드 성분을 t 로 만든 데이터. 2. 상기1의 함수를 str 함수이용 분해. # Create Time Series as periodic sin + trend line. # time 0~5 sec, step : 0.01. total data number : 500, 100points per 1sec. t 2016. 11. 11. R. package forecast. 시계열 예측. 개요. R 의 패키지 forecast 이용한 시계열 예측. 기본 사용법. 예1. R에서 기본 제공되는 샘플데이터 mdeaths 에 arima적용한 후 forecast 적용하는간단한 예. 예2.시계열 데이터를 sin 으로 만들어서 forecast 적용 시험. require(forecast) # Create Time Series as sin. # time 0~5 sec, step : 0.01. total data number : 500, 100points per 1sec. t 2016. 11. 10. MXNet. Deep Learning API. Overview 주요특징.- Flexible and Efficient Library for Deep Learning- mxnet 소스 : C++11- Portable 실행 : Runs on CPUs or GPUs, on clusters, servers, desktops, or mobile phones- Cloud 실행 : Supports distributed training on multiple CPU/GPU machines, including AWS, GCE, Azure, and Yarn clusters- API 언어 : C++ , R , Python, Javascript, Scala, Julia, Matlab. -- mxnet C++ API : http://mxnet.io/api/c++/index.h.. 2016. 11. 6. R. package MXNetR. Deep Learning. 설치.사용법. Overview MXNet 의 R용 패키지. manual : http://mxnet.io/get_started/setup.html#install-the-mxnet-package-for-r github : https://github.com/dmlc/mxnet/tree/master/R-package 설치 윈도우용 R. R console 에서 아래 구문 실행하면 설치된다.install.packages("drat", repos="https://cran.rstudio.com") drat:::addRepo("dmlc") install.packages("mxnet") 상기 설치되는 것은 cpu 기반으로 작동하는 MXNetR 이다. GPU기반으로 작동시키기 위해서는 http://mxnet.io/get_started/s.. 2016. 11. 6. 이전 1 2 3 4 5 다음
