혜온의 이것저것

https://www.hackerrank.com/challenges/revising-the-select-query-2/problem?isFullScreen=true Revising the Select Query II | HackerRank Query the city names for all American cities with populations larger than 120,000. www.hackerrank.com 문제 Query the NAME field for all American cities in the CITY table with populations larger than 120000. The CountryCode for America is USA. The CITY table is descr..

https://www.hackerrank.com/challenges/revising-the-select-query/problem?isFullScreen=true Revising the Select Query I | HackerRank Query the data for all American cities with populations larger than 100,000. www.hackerrank.com 문제 Query all columns for all American cities in the CITY table with populations larger than 100000. The CountryCode for America is USA. The CITY table is described as foll..

4.2.1 은닉층 이후 계산의 문제점 어휘가 100만개, 은닉층 뉴런이 100개일 때의 word2vec을 예로 생각해보자. 이때 word2vec이 수행하는 작업은 그림과 같다. 입력층과 출력층에는 뉴런이 가 100만개씩 존재한다. 앞 절에서는 Embedding 계층을 도입하여 입력층 계산에서의 낭비를 줄였다. 남은 문제는 은닉층 이후의 처리이다. 은닉층 이후에서 계산이 오래 걸리는 곳은 다음 두 부분이다. - 은닉층의 뉴런과 가중치 행렬의 곱 첫번째는 거대한 행렬을 곱하는 문제이다. 은닉층의 벡터 크기가 100이고, 가중치 행렬의 크기가 100X100만이다. 이렇게 큰 행렬의 곱을 계산하려면 시간이 오래 걸리고 메모리도 많이 필요하다. 또한 역전파 때도 같은 계산을 수행하기 때문에 이 행렬 곱을 가볍게 ..

4.1.1 Embedding 계층 앞장의 word2vec 구현에서는 단어를 원핫 표현으로 바꿨다. 그것을 MatMul 계층에 입력하고, MatMul 계층에서 가중치 행렬을 곱했다. 여기서 어휘 수가 100만개인 경우를 상상해보자. 이때 은닉층 뉴런이 100개라면, MatMul 계층의 행렬 곱은 그림처럼 된다. 그림에서 결과적으로 수행하는 일은 단지 행렬의 특정 행을 추출하는 것뿐이다. 따라서 원핫 표현으로의 변환과 MatMul 계층의 행렬 곱 계싼은 사실 필요가 없다. 그러면 가중치 매개변수로부터 단어ID에 해당하는 행을 추출하는 계층을 만들어보자. 그 계층을 Embedding 계층이라 부르겠다. 4.1.2 Embedding 계층 구현 행렬에서 특정 행을 추출하는 것은 쉽다. 가중치 W가 2차원 넘파이 ..

우유와 요거트가 담긴 장바구니 https://programmers.co.kr/learn/courses/30/lessons/62284 코딩테스트 연습 - 우유와 요거트가 담긴 장바구니 CART_PRODUCTS 테이블은 장바구니에 담긴 상품 정보를 담은 테이블입니다. CART_PRODUCTS 테이블의 구조는 다음과 같으며, ID, CART_ID, NAME, PRICE는 각각 테이블의 아이디, 장바구니의 아이디, 상품 종류, 가 programmers.co.kr SELECT cart_id from cart_products where name = 'Yogurt' and cart_id in (select cart_id from cart_products where name = 'Milk') 입양 시각 구하기 http..