만숭이의 블로그 :)

https://docu94.tistory.com/124 [Tomcat] 이미 사용중인 포트 확인 및 죽이기 tomcat 구동을 하다보면 가끔 8080, 8005, 8009 포트가 사용중이라서 tomcat을 실행해도 실행이 안되는 문제가 있다. 그럴때 사용중인 포트를 죽이고 다시 재구동을 하게되면 실행가능!!! 그 방법은 일단 docu94.tistory.com netstat-ano | find "LISTENING" | find "80"를 입력 (원하는 포트번호 넣고) 혹은 netstat-ano 로 나오는 리스트에서 직접 찾는것도 편함 해당 포트 사용중인 pid확인 가능 taskkill /F /PID 포트번호

데이터전처리 / 표준점수 / 데이터세트 나누기 데이터 준비! import numpy as np fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0] fish_weight = [242.0, 290.0, 340.0, 3..

# 훈련 세트 테스트 세트 분리의 필요성 알고리즘의 성능을 제대로 평가하려면 훈련 데이터와 평가에 사용할 데이터는 각각 달라야 한다. ∵ 훈련에 사용되는 데이터로 평가한다면 답지를 들고 시험을 치르는 것과 같기 때문! 평가에 사용되는 데이터 - 테스트 세트 , 훈련에 사용되는 데이터 - 훈련 세트 훈련 전에 미리 데이터를 분리하자 # 3강과 동일하게 fish_data, fisht_target를 만든다 fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 3..

도미, 빙어 분류 문제 sklearn k-최근점 이웃 알고리즘 # 도미 데이터(길이와 무게) 준비하기 bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0] bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 500.0, 340.0, 6..

import torch import numpy as np - torch 텐서 작업은 numpy 텐서작업과 비슷하다! # numpy to torch num = np.array([[1,2,3], [4,5,6]]) tor = torch.FloatTensor(num) print(num) print(tor) [[1 2 3] [4 5 6]] tensor([[1., 2., 3.], [4., 5., 6.]]) - numpy 어레이로 선언하고 torch.FloatTensor 이용해 torch형 실수텐서 생성! t = torch.FloatTensor([0., 1., 2., 3., 4., 5., 6.]) print(t) # tensor([0., 1., 2., 3., 4., 5., 6.]) t.dim() # 1차원 t.sha..

보호되어 있는 글입니다.

- Convolutional Neural Network : CNN 컨볼루션 신경망 = 합성곱 신경망 - 이 신경망으로 인해 이미지 분류 능력이 상승됨, 텍스트나 음성 등 다양한 분야의 데이터 처리에 쓰이고 있음 # 특징 추출 - 이미지를 분류시키려면 그 이미지의 특징들을 찾아야 한다. ex) 사물의 외각선을 탐지를 통한(캐니엣지같은) 물체 감지 알고리즘, SIFT 알고리즘 (대응되는 특징 부분 찾음) # 컨볼루션 연산 이미지의 픽셀 주변과 필터의 조합연산(합성곱)을 거친 결과. 이때, 픽셀이 움직이는 보폭을 stride라고 한다. 필터의 내용을 수작업으로 넣어주는 대신 딥러닝 학습을 통해 자동으로 필터를 생성할 것이다. 개발자는 필터사이즈만 제시. # 컨볼루션 신경망의 구조 특징 추출기(Feature E..

장애는 필연적으로 발생하기에 복구 시스템이 갖춰져야 한다. 질의처리기 - read/write -> 트랜잭션 매니저(for 직렬성, 일관성) # 실패의 분류 - 트랜잭션 실패 ˙ 논리적 에러 : 트랜잭션이 내부조건으로 인해 더 이상 정상적인 실행을 지속할 수 없다 ˙ 시스템 에러 : 교착상태 같은 상태에 도달하여 더 이상 정상적인 실행이 안된다. 그러나 이후 재실행될 수 있다 - 시스템 손상 ˙ 시스템을 중단시키지만 비휘발성 저장장치의 내용은 손상시키지 않는다는 가정을 실패 중지 가정 - 디스크 고장 ˙ 데이터 전송 작업동안 헤드의 손상이나 고장으로 인해 내용을 손실할 수 있다. 따라서 3차 저장 매체에 백업 - 복구 알고리즘 (데이터베이스의 일관성과 트랜잭션의 원자성을 보장하는 알고리즘) ˙ 로그(jou..

# Dead handling 교착상태 처리 - 트랜잭션이 서로 기다리는 상태 - 교착상태 예방 프로토콜은 교착상태에 절대 들어갈 수 없는 것을 보장한다. - 교착상태에 빠진 트랜잭션의 일부를 롤백시키는 과감한 조치 - 방법1 : 교착상태 예방 규약) 각 트랜잭션이 실행되기전에 데이터들을 미리 준비한다. (predeclaration), 데이터들의 접근 순서 등을 정한다 -> 세세하게 요구하기가 힘들다 - 방법2 : 교착상태 탐지 & 복구기법) 고유성 손실 부담이 있음 ## 교착상태 예방 액세스 기법 1) 락 요청 순서에 있어서 대기 사이클이 일어나지 않도록, 혹은 필요한 락을 한꺼번에 요청 - * 각 트랜잭션이 실행 전 필요한 모든 락을 요청 단점 : 트랜잭션이 시작하기 전 어떤 데이터 항목에 락이 걸려야..