아미(아름다운미소)

url만따오고싶으면 import re re.findall('http://.*?',문자열)

리스트가 있는 경우 순서와 리스트의 값을 전달하는 기능 이 함수는 순서가 있는 자료형(리스트, 튜플, 문자열)을 입력으로 받아 인덱스 값을 포함하는 enumerate 객체를 리턴합니다. 보통 enumerate 함수는 아래 예제처럼 for문과 함께 자주 사용됩니다. for i, name in enumerate(['body', 'foo', 'bar']): print(i, name) 결과 : 0 body 1 foo 2 bar for문처럼 반복되는 구간에서 객체가 현재 어느 위치에 있는지 알려주는 인덱스 값이 필요할때 enumerate 함수를 사용하면 매우 유용합니다. names = ['철수', '영희', '길동'] for i, name in enumerate(names): print('{}번: {}'.form..

코드를 필요한만큼 반복해서 실행 list = ['1', '2', '3', '4', '5'] for v in list: print(v) 결과 1 2 3 4 5 리스트 patterns의 값을 하나씩 꺼내 pattern으로 전달 리스트의 길이만큼 print (pattern) 실행 합니다.

trash-cli 라는 프로그램은 휴지통을 터미널에서 사용할 수 있도록 한 프로그램입니다. 요즘 대부분 데스크탑 환경에 포함되어 있는 파일관리자들은 파일을 지울때 휴지통을 이용합니다. 실수로 지운 프로그램을 되살릴수 있다는 장점이 있습니다. 하지만 콘솔의 "rm" 명령은 휴지통을 이용하지 않습니다. 실수로 파일을 지우면 난감하죠. 이 프로그램으로 파일을 지우면 휴지통을 이용하기 때문에 콘솔에서 파일을 실수로 지워도 언제든 되살릴수 있습니다. 설치 sudo apt-get install trash-cli 1. trash 와 trash-put 은 파일을 휴지통에 넣습니다. "trash a.txt b.txt" 이런식으로 여러 파일을 동시 삭제도 가능합니다. 2. trash-list 는 말 그대로 현재 휴지통에 ..

filter 함수는 첫 번째 인수로 함수 이름을, 두 번째 인수로 그 함수에 차례로 들어갈 반복 가능한 자료형을 받습니다. 그리고 두 번째 인수인 반복 가능한 자료형 요소들이 첫 번째 인수인 함수에 입력되었을 때 리턴값이 참인 것만 묶어서(걸러내서) 리턴합니다. 예 def positive(l): result = [] for i in l: if i > 0: result.append(i) return result print(positive([1,-8,2,0,-9,6])) 결과: [1, 2, 6] positive 함수는 리스트를 입력값으로 받아 각각의 요소를 판별해서 양수값만 리턴하는 함수입니다. filter 함수를 이용하면 위의 내용을 아래와 같이 간단하게 작성할 수 있다. 예 def positive(x):..

with open을 써서 파일을 여러 개 open하는 법 with문을 써서 한 줄에 여러 개 파일을 열고 싶을때 try: with open('a', 'w') as a, open('b', 'w') as b: do_something() except IOError as e: print 'Operation failed: %s' % e.strerror

지도학습(Supervised Learning) : 데이터에 정답 정보가 결합된 학습 데이터(또는 훈련 데이터)로 데이터의 특징을 모델링하는 과정을 의미합니다. 주로 식별과 예측 등을 목적으로 둘 때가 많으므로 데이터를 선형 결합으로 나타내려는 특성을 이용합니다. 자율학습(Unsupervised Learning) : 입력 데이터의 정답을 모르는 상태에서 사용하는 것으로 클러스터 분석, 차원압축, 밀도추정 등이 해당합니다.

신경망이 작동하는 방법에는 대표적으로 3가지가 있습니다. FFN은 정보들이 input(입력층)에서 hidden(은닉층)으로 hidden(은닉층)에서 output(출력층)으로 쭉 한 방향으로 흐르는 신경망으로써, 오차에 대한 가중치의 조절이 불가능합니다. 역전파(Backpropagation)의 경우 결과의 오차(실제값과 결과값의 차이)를 줄이기 위해 각 노드에서 다음 노드로 이어지는 가중치를 조절하는 방법으로 이때 가중치를 조절하기 위해 다시 뒤로 되돌아가기 때문에 역전파라고 합니다. 역전파는 FFN에 비해 가중치가 잘 나오는 편이고 또 상대적으로 빠른 편이어서 인공신경망에서 자주 사용합니다. ​마지막으로 Recurrent Neural Network, 즉 RNN은 context unit이라는 부분을 통하여..

심층신경망(Deep Neural Network)는 분류 및 수치예측 특히, 이미지 트레이닝이나 문자인식과 같은 분야에서 매우 유용하게 쓰이고 있습니다.

파일 업로드 api 연동을 할 때 java의 경우는 form을 만들어서 multipart 옵션을 추가해서 이것저것 복잡한 작업을 거쳐야 하는데 python의 경우 urllib2 module을 이용하면 간편하게 연동을 할 수 있습니다. python2.7 기준 from poster.encode import multipart_encode from poster.streaminghttp import register_openers import urllib2 def HTTP_GLOB_transfer(url, filename, attachFileNM): try: register_openers() datagen, headers = multipart_encode({attachFileNM : open(unicode(file..