지속가능티끌/Data.Math.Phys ( 81 ) 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. R. package rnn. Recurrent Neural Net Overview rnn package : https://mran.microsoft.com/package/rnn/ manual : https://mran.microsoft.com/web/packages/rnn/rnn.pdf rnn main site : http://qua.st/rnn/ github : https://github.com/bquast/rnn rnn 설치. R 에서, 아래 구문 실행. install.packages("rnn") ///1055. 2016. 11. 6. R. package RSQLite. 설치. 기본사용법. Overview R 에서 SQLite DB 사용가능하게 한다. RSQlite package : https://mran.microsoft.com/package/RSQLite/ Manual : https://cran.r-project.org/web/packages/RSQLite/RSQLite.pdf RSQLite package 설치. RGui 관리자 권한 실행 (방법 상세)하여 R console 에서 아래 구문 실행. install.packages("RSQLite") R에서 SQLite 사용법. RSQLite 패키지에는 샘플 DB로 datasetsDb 가 같이 제공된다. 아래처럼 구문 실행시키면서 시험해본다. library(RSQLite) db 2016. 11. 5. R. package forecast. 설치. Overview Methods and tools for displaying and analysing univariate time series forecasts including exponential smoothing via state space models and automatic ARIMA modelling. 개발자및 유지보수 : Rob Hyndman , GitHub forecast manual : https://mran.microsoft.com/web/packages/forecast/forecast.pdf R package 'forecast' 설치. R Console 실행하기 위하여 아래 파란줄 RGui 프로그램 실행시 "관리자권한으로 실행" 시킨다. 실행된 RGui 의 "R console" 창에서 .. 2016. 11. 5. R. MS R Open 개요. 설치. Overview. R 의 Microsoft 배포패키지. - R 외 인텔의 Math Kernel Library 도 같이 배포. "MS R Open" 사이트 : https://mran.revolutionanalytics.com/rro/ 연관정보. Visual Studio 에서 R 작업하기 위한 "R Tools for Visual Studio" -> http://igotit.tistory.com/1048 Microsoft R Open 설치. 설치 버전 : 3.3.1. 현재(2016년 11월 5일) 최신버전.설치파일 다운로드 주소 : https://mran.revolutionanalytics.com/download/ 설치첫화면. Inte,의 Math Kernel Library도 설치한다는 창이다. 설치완료화면... 2016. 11. 5. R. R Tools for Visual Studio(RTVS) 개요. 설치. Overview Visual Studio 에서 R 활용 (R 코드작성, 결과 확인)가능하게 해주는 Visual Studio 플러그인. RTVS : R Tools for Visual Studio. RTVS 로 사용가능한 R 배포패키지. 1. CRAN R2. Microsoft R Open : 설치하기 3. Microsoft R Server. Visual Studio 에서 R Tools 활용방식 개념 이해 동영상. RTVS Preview. RTVS 설치. 사전 요구사항. 1. 64bit 운영체제에서만 사용가능. 2. Visual Studio Community 2015 update 3 이상 설치되어있어야 함. 설치파일 다운로드 주소 : https://www.visualstudio.com/ko/vs/rtvs/ 위.. 2016. 11. 5. Support Vector Machine. SVM Support Vector : 구분 경계에서 가장 가까운 점까지의 벡터. Support Vector Machine : 상태공간에서 Support Vector 길이 최대화 되도록 구분경계를 찾는 알고리듬. 선형분리 위한 차원높이기 : 상태공간에서 선형분리 되지 않는 경우 상태공간차원 높여서 선형분리 가능하도록 시도해볼 수 있다.선형분리 : 2차원 상태공간에서는 직선(1차원) 의미, 3차원 상태공간에서는 평면(2차원) 의미. 즉, N차원공간에서 (N-1)차원 으로 분리하는것.커널함수 : 차원높이기 연산부하 증가문제 해결 위하여 도입되는 함수. 위키백과 : https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_%EB%A8%B8.. 2016. 10. 8. Dlib. Clean C++11 Deep Learning API Dlib. 개요 특징.- 알고리듬 및 기능. Machine Learning AlgorithmsDeep LearningConventional SMO based Support Vector Machines for classification and regressionReduced-rank methods for large-scale classification and regressionRelevance vector machines for classification and regressionGeneral purpose multiclass classification toolsA Multiclass SVMA tool for solving the optimization problem associated with struc.. 2016. 9. 14. MLPACK C++ 머신러닝 라이브러리. MLPACK 개요. 머신러닝 알고리듬들 C++ library, 특징. -제공알고리듬.Collaborative FilteringDensity Estimation TreesEuclidean Minimum Spanning TreesFast Exact Max-Kernel Search (FastMKS)Gaussian Mixture Models (GMMs)Hidden Markov Models (HMMs)Kernel Principal Component Analysis (KPCA)K-Means ClusteringLeast-Angle Regression (LARS/LASSO)Local Coordinate CodingLocality-Sensitive Hashing (LSH)Logistic regressionNaive Ba.. 2016. 9. 14. C++ AMP 기반 Deep Learning Library 개요. C++ AMP 기반 Deep Learning Library. 현재(2016년 9월14일) 시점 공개되어 검색된 것 중에서는 아래 1개 항목이 유일함. 1. https://github.com/dcatcher9/DeepLearning ( 본 라이브러리는 GitHub 에서의 Deep Learning 100선 중 1개임) Why C++ AMP? - C++AMP 이용하면, 현재 시점 가장 간단한 셋팅(셋팅이랄것도 없음.)으로 GPGPU 가능. - 다른 GPGPU 수단들은 셋팅에 많은 시간 소요됨과 동시에 안정/지속가능한 셋팅이 달성되기엔 불안정 구성요소들. 정작 GPU돌려서 계산 한번 하고자 하는데 허송세월 하게 만들고 있음. - GPGPU API들 보기 -> http://igotit.tistory.com.. 2016. 9. 14. ACCORD.NET. C# 머신러닝 프레임웍. ACCORD.NET 개요. 주요특징. Classification - SVM, Neural Net, Deep Neural Net, ..Regression - Multiple linear regression,...Clustering - K-means, Restricted Boltzman Machine,..Distributions - Normal, Cauchy, Poission, ...Hypothesis Tests -More Than 35 statistical tests,...Image, Audio, Vision 신호처리기능내장. - Filter, RealTime face detection, tracking, 전산 특징. - C# 으로 개발됨.- 환경구축 간단.- 풍부한 샘플예제들제공. 메인사이트 : http.. 2016. 9. 14. Encog 개요. C# 지원 머신러닝 프레임웍. Encog 개요 Encog : C# 지원 머신러닝 프레임웍. Encog 지원 알고리듬. - Support Vector Machine- Artificial Neural Networks- Bayesian Networks - Hidden Markov Models- Genetic Algorithm Encog 전산 특징.- C# 지원.- 멀티스레드 , 멀티코아, GPU 가능.- GUI workbench 제공. Encog 사이트. Encog 메인사이트 : http://www.heatonresearch.com/encog/Encog C# 사용자 가이드(pdf) : https://s3.amazonaws.com/heatonresearch-books/free/Encog3CS-User.pdfEncog for C# : http.. 2016. 9. 14. 딥러닝 , 신경망 소트프웨어 비교. 개요 딥러닝 , 신경망 소트트웨어들 비교정보. 기타 특징정리. 1, 위키 Comparison of deep learning software . https://en.wikipedia.org/wiki/Comparison_of_deep_learning_software 2. 머신러닝 프레임워크 13종 http://www.ciokorea.com/t/13934/28693/28347?slide=8 3. Comparison of Neural Network Simulators https://grey.colorado.edu/emergent/index.php/Comparison_of_Neural_Network_Simulators 4. 언어별 립러닝 라이브러리 정리. http://www.teglor.com/b/deep-lea.. 2016. 8. 21. 이전 1 2 3 4 5 다음
