post

_posts/2023-05-26-numpy-study.md.md

@@ -0,0 +1,148 @@
+---
+layout: post
+title: Numpy study
+date: 2023-05-26
+description: recording_a Summary of Numpy
+tags: numpy math study
+categories: study math
+related_posts: false
+toc:
+  sidebar: left
+---
+
+### numpy.random.choice(a, size=None, replace=True, p=None)
+
+a = 1차원 배열 또는 정수 (정수인 경우, np.arrange(a)와 같은 배열 생성)<br>
+size = 정수 또는 튜플(튜플인 경우, 행렬로 리턴됨. (x, y, z) >> x*y*z)<br>
+replace = 중복 허용 여부, boolean<br>
+p = 1차원 배열, 각 데이터가 선택될 확률<br>
+
+example
+```
+np.random.choice(5, 3)
+array([0, 3, 4])
+# 0 이상 5미만인 정수 중 3개를 출력(replace=True가 default로 숨어져 있으므로 중복 허용)
+```
+```
+np.random.choice(5, 3, replace=False)
+array([3, 1, 0])
+# 0 이상 5미만인 정수 중 3개를 출력(replace=False이므로 중복 불가)
+```
+
+### flatnonzero
+```
+import numpy as np
+a = np.array([1.2, -1.3, 2.1, 5.0, 4.7])
+print(np.flatnonzero(a>2)) *# [2 3 4]*
+
+# 2보다 큰 원소의 index를 array로 리턴.
+```
+
+### np.reshape(X_train, (X_train.shape[0], -1))
+
+np.reshape: array를 원하는 형태로 reshape할 수 있게 해주는 라이브러리.
+
+X_train: reshape하고 싶은 array<br>
+(X_train.shape[0], -1): X_train이 목표로 하는 모양을 의미합니다.<br>
+X_train.shape[0]: X_train array의 row의 수를 의미합니다. <br>
+X_train.shape[0]을 이용하여 reshape된 array에서 row의 숫자가 바뀌지 않고 유지되게 됩니다.<br>
+-1: 이것은 NumPy가 제공된 행 수와 원래 배열의 전체 크기를 기반으로 재구성된 배열의 열 수를 자동으로 결정하도록 지시하는 자리 표시자 값입니다.<br>
+ -1은 차원이 자동으로 추론되고 조정되어야 함을 나타냅니다. 요약하면, 이 코드 라인은 X_train 배열의 형태를 재구성하며, 행 수는 유지되고 원본 배열의 크기에 따라 열 수가 자동으로 결정됩니다.<br>
+
+### np.zeros
+
+numpy.zeros(shape, dtype=float, order='C', *, like=None)<br>
+Return a new array of given shape and type, filled with zeros.<br>
+
+Parameters<br>
+- shape : int or tuple of ints
+- np.zeros((2, 1))
+- array([[ 0.],
+       [ 0.]])
+
+- dtype : data-type, optional
+The desired data-type for the array, e.g., numpy.int8. Default is numpy.float64.<br>
+
+- order : {‘C’, ‘F’}, optional, default: ‘C’<br>
+Whether to store multi-dimensional data in row-major (C-style) or column-major (Fortran-style) order in memory.<br>
+
+- like : array_like, optional<br>
+Reference object to allow the creation of arrays which are not NumPy arrays. If  an array-like passed in as like supports the __array_function__ protocol, the result will be defined by it. In this case, it ensures the creation of an array object compatible with that passed in via this argument.
+
+### array 인덱싱 이해하기
+
+#### 기본 인덱싱
+
+Numpy array의 꽃은 인덱싱입니다. arr 라는 array가 있을 때, arr[5]와 같이 특정한 인덱스를 명시할 수도 있고, arr[5:8]과 같이 범위 형태의 인덱스를 명시할 수도 있습니다.<br> 
+arr[:]의 경우 해당 array의 전체 성분을 모두 가져옵니다.<br>
+
+이러한 방식은 2차원 array에 대해서도 유사한 방식으로 적용됩니다. arr2라는 2차원 array를 정의한 뒤,
+arr2[2, :]를 실행하면, arr2에서 인덱스가 '2'에 해당하는 행(3행)의 모든 성분이 1차원 array의 형태로 얻어집니다.<br>
+arr2[:, 3]을 실행하면 arr2에서 인덱스가 '3'에 해당하는 열(4열)의 모든 성분이 1차원 array의 형태로 얻어집니다.<br>
+
+2차원 array는 이렇게 두개의 인덱스를 받을 수 있는데, ","를 기준으로 앞부분에는 행의 인덱스가 뒷부분에는 열의 인덱스가 입력됩니다.
+arr2[1:3, :] 혹은 arr2[:, :2]와 같이, 행 또는 열에 범위 인덱스를 적용하여 여러 개의 행 혹은 열을 얻을 수도 있습니다.<br>
+
+한편 2차원 array에서 4행 3열에 위치한 하나의 성분을 얻고자 할 때는 arr2[3,2]를 실행하면 됩니다.
+인덱싱을 통해 선택한 성분에 새로운 값을 대입하는 경우에도, arr2[:2, 1:3] = 0 과 같이 입력값을 넣으면 됩니다.<br>
+
+### NumPy 어레이 정렬 (np.argsort)
+#### 기본 사용(오름차순 정렬)
+
+<!--코드블럭-->
+** Input **
+```
+import numpy as np
+
+a = np.array([1.5, 0.2, 4.2, 2.5])
+s = a.argsort()
+
+print(s)
+print(a[s])
+
+```
+** Output **
+
+```
+[1 0 3 2]
+[0.2 1.5 2.5 4.2]
+
+```
+
+a는 정렬되지 않은 숫자들의 어레이입니다.
+a.argsort()는 어레이 a를 정렬하는 인덱스의 어레이 [1 0 3 2]를 반환합니다.
+a[s]와 같이 인덱스의 어레이 s를 사용해서 어레이 a를 다시 정렬하면,
+오름차순으로 정렬된 어레이 [0.2 1.5 2.5 4.2]가 됩니다.
+
+#### 내림차순 정렬
+
+** Input **
+
+```
+import numpy as np
+
+a = np.array([1.5, 0.2, 4.2, 2.5])
+s = a.argsort()
+
+print(s)
+print(a[s[::-1]])
+print(a[s][::-1])
+```
+** Output **
+
+```
+[1 0 3 2]
+[4.2 2.5 1.5 0.2]
+[4.2 2.5 1.5 0.2]
+```
+<p>
+내림차순으로 정렬된 어레이를 얻기 위해서는
+a[s[::-1]]와 같이 인덱스 어레이를 뒤집어서 정렬에 사용하거나,
+a[s][::-1]과 같이 오름차순으로 정렬된 어레이를 뒤집어주면 됩니다.
+</p>
+
+
+### Reference
+
+https://numpy.org/doc/stable/reference/random/generated/numpy.random.choice.html
+<br>

_posts/2023-05-27-solution-cs231n-assignment.md

@@ -0,0 +1,32 @@
+---
+layout: post
+title: cs231n assignment solution
+date: 2023-05-27
+description: recording_a Summary of assignment
+tags: cs231 study AI
+categories: study cs231 AI
+related_posts: false
+toc:
+  sidebar: left
+---
+
+## Assignment 1
+### Inline Question 1
+Notice the structured patterns in the distance matrix, where some rows or columns are visibly brighter. 
+(Note that with the default color scheme black indicates low distances while white indicates high distances.)
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="assets/img/assignmentinlinequestion1.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+
+- What in the data is the cause behind the distinctly bright rows?
+- What causes the columns?
+
+$$ \color{blue}Your Answer : $$ *fill this in.*
+
+<p>
+- 훈련 데이터 세트에 포함되지 않은 클래스로부터의 관측이거나, 적어도 대부분의 훈련 데이터와 매우 다른 관측일 가능성이 높습니다. 아마도 배경 색상과 관련하여 큰 차이가 있을 것입니다.<br>
+- 학습 데이터 포인트가 테스트 데이터 내의 어떠한 포인트와도 비슷하지 않음을 의미합니다.
+</p>

_posts/2023-05-28-cs231-Introduction.md

@@ -0,0 +1,131 @@
+---
+layout: post
+title: cs231n Summary - Introduction
+date: 2023-05-28
+description: recording_a Summary of lecture
+tags: cs231 study AI
+categories: study cs231 AI
+related_posts: True
+giscus_comments: true
+toc:
+  sidebar: left
+---
+
+본 시리즈는 cs231n을 공부하고 그 내용을 정리하기 위해 작성됩니다. 시리즈에 관련된 모든 출처는 기본적으로 http://cs231n.stanford.edu/schedule.html 의 강의 내용을 기반으로 하고 있습니다.
+
+### 강의 목표
+
+아래 이미지에서 교집합 부분에 해당하는 부분을 학습합니다.
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic1.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+
+</div>
+
+
+### Agenda
+#### 컴퓨터 비전과 딥러닝의 기원의 요약
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic2.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic3.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+
+카메라와 컴퓨터가 개발되면서, 어떻게 하면 컴퓨터가 사람과 같이 vision을 가질 수 있을지 연구하게 되었습니다.
+이를 Computer Vision 분야라고 합니다.
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic4.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic5.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+Hubel and Wiesel, 1959의 연구를 보면 생명체가 사물을 인식할 때 패턴에 따라 특정한 신호가 나오는 것을
+알게 되었고 이를 컴퓨터에 적용하면 어떻게 될까에서 시작한 것 같습니다. 고전적인 Computer Vision
+분야에서는 특징점을 찾아내서 사물을 구분하기도 했습니다.
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic8.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic7.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+사람과 물체를 인식할 때 부분부분별로 따로 떼어서 인식하기도 했습니다. 또한, 인간이 사물을 파악할 때 edge(가장자리)로 구분 짓는다는 특징을 이용하여 edge detection 분야가 연구되기도 했습니다.
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic8.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic7.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+
+
+#### cs231n Overview
+
+##### Deep Learning Basics - Image Classification
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic35.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+이미지 상의 대상을 무엇으로 분류할지를 classification task라고 합니다. 다양한 방법으로 이를 구현할 수 있습니다.
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic36.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic37.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic38.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+
+선분의 좌측이면 고양이 우측이면 강아지와 같은 방식으로 Classifier을 구현할 수 있습니다. 모델의 정확성을 높이기 위하여 Regularization과 Optimization을 수행하기도 합니다. Neural Network방식의 Classifier도 존재합니다.
+
+##### Perceiving and Understanding the Visual World
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic39.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+컴퓨터가 사물을 분류하는 등 역할을 수행하기 위해서는 결국 사물을 "인지"하고 "이해"하는 과정을 거쳐야 합니다.
+사람에게는 정말 쉬운 작업이지만 컴퓨터에게는 이를 위해 다양한 task를 수행해야하며 여기에 맞는 모델이 필요합니다.
+
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic40.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic41.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+
+
+<div class="row mt-3">
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic42.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+    <div class="col-sm mt-3 mt-md-0">
+        {% include figure.html path="/assets/img/cs231n/assignment1/pic43.png" class="img-fluid rounded z-depth-1" zoomable=true %}
+    </div>
+</div>
+
+## 참고
+http://cs231n.stanford.edu/schedule.html