[밑바닥부터 시작하는 딥러닝] Chapter 1. Numpy, Matplotlib

본 게시글은 하단 책을 읽고 학습한 내용을 제 생각으로 요약, 정리한 글입니다.

밑바닥부터 시작하는 딥러닝

직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 '밑바닥부터' 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 '계산 그래프' 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다.

https://www.hanbit.co.kr/store/books/look.php?p_code=B8475831198

1. 넘파이

• 외부 라이브러리 넘파이 가져오기
• import numpy as np
 

• 넘파이 배열 생성 → np.array() 메서드
• 인자: 리스트
• ex) [1.0, 2.0, 3.0]
• 반환값: 넘파이의 특수 배열(numpy.ndarray)
• ex) [1. 2. 3. ]
 

• 넘파이 산술 연산 → 배열끼리 원소별 연산 (단 원소 수 같아야함)

• 넘파이 N차원 배열 → 형상이 같은 배열끼리 원소별 연산
• 2차원 배열(행렬) 작성
• 2차원 배열(행렬) 산술 연산 → 형상이 같은 배열끼리 원소별 연산 가능

• 브로드캐스트 → 형상이 다른 배열끼리 원소별 연산
• 예시 1) 배열과 수치(스칼라 값)의 연산 → 원소별로 한 번씩 수치와 연산
• 원리) 스칼라값이 원소 3개인 배열로 확대된 후 연산이 이뤄진 것임
• [1. 2. 3.] / [2. 2. 2.]
• 예시 2) 형상이 다른 배열끼리 계산 → 형상 맞게 배열을 변형한 후 원소별 연산
• 1차원 배열이 2차원 배열과 같은 형상으로 변형됨

• 원소 접근
• 인덱스 → 각 원소에 접근
• for문 → 각 원소에 접근
• 평탄화, 인덱스를 배열로 지정 → 한 번에 여러 원소에 접근
• 부등호 연산 → 특정 조건 만족하는 원소만 얻기

2. matplotlib

• 단순한 그래프 그리기 → sin 함수

• pyplot의 기능 → cos 함수 추가
• 이미지 표시하기