본문 바로가기

정보공유/개발&코딩

html로 윗첨자, 아랫첨자, 바/햇/물결표시, 그리스어, 수학기호 등 표시하는 법 html 윗첨자, 아랫첨자, 바/햇/물결표시 등 수학기호 표시하는 법 앞쪽에 적힌 기호가 나타내고자 하는 기호 뒤쪽이 html표기 입니다. 나타내고자 하는기호 = html표기 X2 = X2 1. 윗첨자 아랫첨자 등 X2 = X2 Xa = Xa X̄ = X̄ X̃ = X̃ X̂ = X̂ 2. 그리스어 Γ = Γ Δ = Δ Θ = Θ Λ = Λ Ξ = Ξ Π = Π Σ = Σ Φ = Φ Ψ = Ψ Ω = Ω α = α β = β γ = γ δ = δ ε = ε ζ = ζ η = η θ = θ ι = ι κ = κ λ = λ μ = μ ν = ν ξ = ξ π = π ρ = ρ σ = σ τ = τ υ = υ φ = φ χ = χ ψ = ψ ω = ω 3. 수학/연산기호 ∀ = ∀ ∂ = ∂ ∃ = ∃ ∅ =.. 더보기
텐서플로우 문서 한글 번역본 텐서플로우 문서 한글 번역본 텐서플로우 그룹에서 번역한 텐서플로우 문서 한글 번역본 입니다. 텐서플로우를 공부할 때나 튜토리얼을 따라하는데 번역본을 보시면 도움이 많이 될 것 같습니다. 출처 : https://www.gitbook.com/book/tensorflowkorea/tensorflow-kr/details ---------------------------------------------------- TensorFlow 한글 문서 tensorflow.org 문서를 한글로 번역하여 깃북으로 제공하기 위한 레파지토리입니다. 작업하려는 부분을 깃허브의 이슈에 등록하고 자유롭게 진행하려고 합니다. 여러 사람이 모여 진행을 하다보면 자연스럽게 어느정도 규칙적인 리듬을 가지게 될 수 있을거라 생각합니다. 이 .. 더보기
[TensorFlow 기초강좌] Neural Network (3/3) [TensorFlow 기초강좌] Neural Network (3/3) 트레이닝 된 파라미터 저장하기, 저장한 파라미터 사용하기 [TensorFlow 기초강좌] Neural Network (2/3)에서 Hidden layer가 3개 인 Neural Network를 구성하고 갖고있는 데이터를 통해서 트레이닝을 하였습니다. 그리고 트레이닝 한 데이터가 알고 있는 결과와 비교해서 정확도가 얼마나 되는지도 확인했습니다. 이번 강좌에서는 이렇게 트레이닝한 파라미터들을 저장하고 이 파라미터들을 불러서 사용하는 방법을 연습해보겠습니다. 우선 practice4라는 파일을 만들어 지난번에 실습했던 코드를 똑같이 붙여넣겠습니다. import tensorflow as tf import pandas as pd input_dat.. 더보기
[TensorFlow 기초강좌] Neural Network (2/3) [TensorFlow 기초강좌] Neural Network (2/3) Neural Net 구성하고 학습하기 [TensorFlow 기초강좌] Neural Network (1/3)에서 pandas를 이용하여 csv파일을 불러왔습니다. 이번에는 이 데이터를 이용하여 Neural Net을 구성해보고 이것을 이용하여 학습을 하는 과정까지 진행해보도록 하겠습니다. 지금 구성하려고 하는 Neural Net은 아래와 같습니다. 입력 데이터는 2가지 종류이고 3개의 hidden layer를 거쳐 2개의 라벨형태의 결과를 얻습니다. 각 레이어의 노드들은 각각 4개, 5개, 4개 입니다. 물론 실용성으로 따지면 2가지의 데이터를 가지고 2개를 구분하기에는 상당히 비경제적인 구조입니다.하지만 하나의 구조를 만들어 두면 파라미.. 더보기
[TensorFlow 기초강좌] Neural Network (1/3) [TensorFlow 기초강좌] Neural Network (1/3) pandas 설치 & csv 파일 불러오기 "우분투에 Tensorflow 설치하기"에 이어 "TensorFlow 기본사용법 I (jupyter notebook)"에서 텐서플로우를 설치하고 jupyter라는 에디터를 열어서 텐서플로우를 불러오는 과정까지 해보았습니다. 그리고 TensorFlow 기본사용법 I I 편, I I I 편, IV편에서 기본적인 사용법에 대해서 살펴보았습니다. 이번에는 본격적으로 Neural Net을 만들어 트레이닝을 해보고 임의의 데이터를 통해서 결과를 살펴보겠습니다. 우선 상황을 하나 만들어 보겠습니다. 동물원에서 북극곰과 판다가 A지역과 B지역을 오갈 수 있습니다. 먹이를 나눠주기 전에 어떤 지역에 몇 마리의.. 더보기
TensorFlow 기본 사용법 IV (API 활용법) TensorFlow 기본 사용법 IV API 활용법 "TensorFlow 기본 사용법 I(jupyter notebook 열기)", "TensorFlow 기본 사용법 II (행렬 곱하기)"에 이어 "TensorFlow 기본 사용법 III (간단한 학습)"에서 두 개의 데이터 만으로 간단한 모델을 만들어 학습하는 방법을 살펴 보았습니다. 이렇게 간단한 모델을 만들기까지 tf.matmul, tf.placeholder 등 여러가지 명령어 들을 사용했습니다. 이렇게 TensorFlow에서 사용할 수 있는 명령어들을 모두 정리해 두고 찾아볼 수 있는 곳이 있습니다. 이렇게 정리를 해둔 것을 API라고 부릅니다. 텐서플로우 공식홈페이지 "www.tensorflow.org"에 접속하시면 상단에 API r(버전)라는 링.. 더보기
TensorFlow 기본 사용법 III (간단한 학습) TensorFlow 기본 사용법 III 간단한 학습으로 X행렬 구하기 "TensorFlow 기본 사용법 II (행렬 곱하기)"에서 행렬 곱셈을 실습해 보았고 이것이 왜 필요한지에 대해 대략적으로 소개했습니다. 잠깐 지난 강좌의 예시를 살펴보겠습니다. 물체 A : 2m, 1kg 물체 B : 1m, 1kg A와 B를 구분하는 행렬 찾기 물체 A = [2, 1] 물체 B = [1, 1] X = [[1, -1], [-1, 2]] 1이 맞는 것 0이 아닌 것이라고 가정하면 아래와 같이 곱하기로 어떤 물체인지 행렬임을 알 수 있습니다. A * X = [ 1, 0 ] B * X = [ 0, 1 ] 이것을 뉴럴넷의 모양으로 나타내면 아래와 같습니다. 왼쪽의 동그라미 두 개는 A, B의 입력값에 해당하고 화살표들은 이를.. 더보기
TensorFlow 기본 사용법 II (행렬 곱하기) TensorFlow 기본 사용법 II 행렬 곱셈 "우분투에 Tensorflow 설치하기"에 이어 "TensorFlow 기본사용법 I (jupyter notebook)"에서 텐서플로우를 설치하고 jupyter라는 에디터를 열어서 텐서플로우를 불러오는 과정까지 해보았습니다. 이번에는 본격적으로 Neural Net을 만들기 위한 기본 단계인 행렬을 곱하는 방법에 대해서 살펴보겠습니다. 터미널 창(ctrl + alt + t)을 열어 jupyter notebook을 열어주시고 지난번에 만든 practice1파일을 열어주세요. $ jupyter notebook 행령의 곱셈이 기억이 안나시는 분들을 위해 간단하게 되짚어보겠습니다. 아래 식에서 보는 바와 같이 곱해지는 두 행렬 중 앞 행렬의 행과 뒤 행렬의 열을 곱해.. 더보기
Tensorflow 기본 사용법 I (jupyter notebook 열기) TensorFlow 기본 사용법 I (jupyter notebook 열기) 앞으로 TensorFlow를 이용해서 딥러닝을 활용해 볼 것 입니다. 그러기 위해서 사용하게 될 언어는 python입니다. 하지만 그전에 이 python이라는 언어를 입력하고 이 입력 받은 정보를 컴퓨터로 전달해줄 무언가가 필요합니다. 이것을 할 수 있는 많은 에디터들이 있지만 이중에서 Jupyter라는 웹 애플리케이션을 사용하겠습니다. 이전의 "우분투에 Tensorflow 설치하기"를 통해서 TensorFlow를 설치하셨다면 Anaconda를 설치하면서 이미 프로그램이 설치되어 있습니다. 만약 그렇지 않다면 아래의 명령어를 통해서 설치를 해주세요. Python 2 $ pip install jupyter Python 3 $ pip.. 더보기
(시뮬레이션) 터틀봇 소프트웨어 설치 (시뮬레이션) 터틀봇 소프트웨어 설치 시작하기 전에... 우분투 설치하기 ROS 설치하기 터틀봇 시뮬레이션을 배워보기 전에 ROS를 아직 설치하지 않으셨다면 위의 링크에서 우분투와 ROS를 설치해 주시기 바랍니다. ROS는 윈도우에서는 사용할 수 없기 때문에 리눅스를 설치해 주셔야 합니다. 위에 있는 링크를 따라가시면 윈도우와 우분투 멀티부팅을 할 수 있는 방법이 나와있습니다. 1. 시각화 패키지 설치 ROS를 설치하셨다면 이제 터틀봇 시뮬레이션을 위한 패키지를 설치해 보겠습니다. 첫번째로 필요한 패키지는 시각화를 위한 툴 gazebo, rivz 입니다. 터틀봇 시뮬레이션을 할 때 시각화를 위해서 가장 많이 사용되는 툴로 아래 사진에서 보이는 것 처럼 시각화 뿐만 아니라 시뮬레이션 환경을 만들고 조작하는.. 더보기

티스토리툴바