| 티스토리에서 MathJax을 이용해서 수식 입력 (0) | 2022.02.05 |
|---|---|
| 티스토리에 syntaxhighlighter-3.0.83 적용하기 (코드 블럭/라인번호) (0) | 2022.02.05 |
| 제 2의나라 쿠폰 "회원 번호" 자동으로 입력되는 바로 가기 만들기 (0) | 2021.11.24 |
| [윈10] VPN 자동 재접속 (자동 트리거) 기능 적용하기 (0) | 2020.06.06 |
| 구글맵의 타임라인에 접속하면 error 400 bad request가 표시될때 조치 방법 (0) | 2018.03.02 |
Wide Applications:
1. Travelling: suitcase, handbag, travel bag, luggage, laptop, backpack, handbag, and so on.
2. Sports: gym locker, bike, bicycle, golf bags, and so on.
3. Public Areas: student dormitory, school locker, gym locker, employee locker, hospital locker, and so on.
4. Residential: door lock, gate, apartment lock, basement anti-theft security, and so on.
5. Business: office, hospital, fence, and so on.
6. Transportation: garage, toolbox, and so on .
7. Furniture: wardrobes, closet, cabinet, drawers, safes, and so on.
Specifications:
* Fingerprint reader: 96*96 sensor
* Waterproof level: IP56
* FRR：<1%
* FAR：<0.002%
* Material: zinc alloy
* Working voltage: 3.0-4.2V
* Lock weight and Size: 90g
* Lock size: 7.6*4.6*1.3(cm)
* Fingerprint sensor coverage: 72*64MM
*Unlock speed: within 0.5 second
*working period: a year per power Charge
* LED light: three color light: red / blue / green
* Battery: 3.7V lithium build in battery
* Working temperature: -10~+40 degrees Celsius
* Fingerprint capacity: record 10 times and save 10 groups
| 공기질 센서 JQ-200 (혹은 JQ-300) 폰 등록 방법 (0) | 2022.02.23 |
|---|---|
| [본문 스크랩] 종이 CD 케이스 만들기 (풀, 가위 No) (0) | 2013.11.25 |
| 영상 왜곡 형태에 따른 분류 (0) | 2020.09.08 |
|---|---|
| Nuget 패키지 관리자 "사용 가능한 패키지 소스" 수동 추가 방법 (0) | 2020.03.16 |
| opencv cv::Mat 클래스 초기화 방법 및 사용 방법 (0) | 2018.05.09 |
| pure virtual function call이 발생되는 예제 (0) | 2017.02.15 |
| [펌] 메모리릭 위치 알아내기. (발생 위치에 Breakpoint) (0) | 2016.12.27 |
| KERUI 지문 자물쇠 사용방법 (0) | 2023.07.14 |
|---|---|
| [본문 스크랩] 종이 CD 케이스 만들기 (풀, 가위 No) (0) | 2013.11.25 |
import tensorflow.compat.v1 as tf
import numpy as np
import gym
from collections import deque
import random
import os
tf.disable_v2_behavior()
def createFolder(directory):
try:
if not os.path.exists(directory):
os.makedirs(directory)
except OSError:
print ('Error: Creating directory. ' + directory)
sess = tf.Session()
DQNmain = DQNet(sess, input_size, output_size, "DQNMain")
modelSaver= tf.train.Saver(var_list= tf.global_variables(), allow_empty=False)
sess.run( tf.global_variables_initializer())
.....
.....
여러 코드 구현
.....
.....
createFolder('my_test_model')
modelSaver.save(sess, 'my_test_model/mymodel', write_meta_graph = False, global_step=global_step)
sess = tf.Session()
# 네트워크 구성
DQNmain = DQNet(sess, input_size, output_size, "DQNMain")
# modelsaver
modelSaver = tf.train.Saver(var_list = tf.global_variables(), allow_empty=False)
# 저장된 checkpoint 있는지 체크..
# 있으면 load.. 없으면 에러
ckpt = tf.train.get_checkpoint_state('my_test_model/')
if ckpt and tf.train.checkpoint_exists(ckpt.model_checkpoint_path):
modelSaver.restore(sess, ckpt.model_checkpoint_path)
else:
print("Model data not found...")
exit()
| FrozenLake-v1 텐서플로 Reinforcement Learning (0) | 2022.02.02 |
|---|---|
| 파이썬 배열 Reshape/squeeze/expand_dims 함수 사용예 (0) | 2022.01.31 |
| [텐서플로] 텐서플로2+케라스 => MNIST 테스트 (Single Layer Prediction) (0) | 2020.06.13 |
| [텐서플로] Tensorflow2 케라스 클래스 계층구조 (0) | 2020.06.12 |
| [텐서플로] C#에서 tensorflow 사용하기 (4) | 2020.06.10 |
아래와 같이 수식입력이 필요한 경우 MathJax Library를 사용하면 편리하다
MathJax는 MathML, LaTeX 및 ASCIIMathML 마크 업을 사용하여 웹 브라우저에 수학 표기법을 표시하는 크로스 브라우저 JavaScript 라이브러리이다.
MathJax는 아파치 라이선스에 따라 오픈 소스 소프트웨어로 제공된다
MathJax 의 GitHub 홈페이지에서 소스를 다운로드 받을 수 있습니다만, 다운로드 없이 그냥 쓰기로 합니다.
(다른 블로그에서도 다운로드 없이 그냥 쓰네요)
GitHub - mathjax/MathJax-src: MathJax source code for version 3 and beyond
MathJax source code for version 3 and beyond. Contribute to mathjax/MathJax-src development by creating an account on GitHub.
github.com
블로그 관리 > 꾸미기 > 스킨편집 > HTML 를 통해 HTML을 편집한다.
<head></head> 사이에 아래 코드를 추가하면 된다.
아래 코드를 복사해서 적용하세요
<script src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
<script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>글쓰기로 입력하면 수식이 나옵니다.
결과
저 복잡한 문법을 익히기도 어렵습니다.
온라인으로 저 수식을 만들어주는 웹사이트가 있습니다.
CodeCog에서 수식을 만들고 블로그에 올리세요.
Online LaTeX Equation Editor - create, integrate and download online.
EqnEditor (v5 beta) for online mathematics - delivering thousands of beautiful equations every second -
editor.codecogs.com
| CSR V4.0 Bluetooth USB dongle Driver (0) | 2023.07.21 |
|---|---|
| 티스토리에 syntaxhighlighter-3.0.83 적용하기 (코드 블럭/라인번호) (0) | 2022.02.05 |
| 제 2의나라 쿠폰 "회원 번호" 자동으로 입력되는 바로 가기 만들기 (0) | 2021.11.24 |
| [윈10] VPN 자동 재접속 (자동 트리거) 기능 적용하기 (0) | 2020.06.06 |
| 구글맵의 타임라인에 접속하면 error 400 bad request가 표시될때 조치 방법 (0) | 2018.03.02 |
SyntaxHighlighter는 블로그나 웹사이트에서 사용할 수 있는 코드 구문 하이라이터입니다.
HTML, Javascript, Python, C 등 여러 언어에 사용할 수 있고 스크린샷 같은 방식보다 가독성이 좋습니다.
최신 버전은 4.0인데 별도의 빌드 과정이 필요합니다. 빌드를 해서라도 4.0 버전을 사용하려는 분들은 GitHub에서 직접 다운로드 하십시오.
https://github.com/syntaxhighlighter/syntaxhighlighter
GitHub - syntaxhighlighter/syntaxhighlighter: SyntaxHighlighter is a fully functional self-contained code syntax highlighter dev
SyntaxHighlighter is a fully functional self-contained code syntax highlighter developed in JavaScript. - GitHub - syntaxhighlighter/syntaxhighlighter: SyntaxHighlighter is a fully functional self-...
github.com
저는 빌드하기 귀찮으니... 3.08 버전을 사용합니다.
syntaxhighlighter-3.0.83.zip
4.49MB
혹은 다음 링크를 이용하세요
https://github.com/syntaxhighlighter/syntaxhighlighter/archive/3.0.83.zip
상기 소스를 다운 받고 압축을 풉니다
필요한 파일들을 업로드 하기 위해 업로드 페이지로 들어갑니다
압축을 푼 폴더에서 scripts 폴더와 styles 폴더에 있는 파일들을 전부 업로드합니다.
HTML 페이지로 들어가 아래와 같이 필요한 파일들을 채워 넣습니다.
<!--Syntaxhighlighter 코드시작 (순서도 중요한듯)-->
<script type="text/javascript" src="./images/XRegExp.js"></script> <!--정규식처리용-->
<script type="text/javascript" src="./images/shCore.js"></script>
<script type="text/javascript" src="./images/shBrushCpp.js"></script> <!--브러시들 필요에 따라서 추가-->
<script type="text/javascript" src="./images/shBrushCss.js"></script>
<script type="text/javascript" src="./images/shBrushJScript.js"></script>
<script type="text/javascript" src="./images/shBrushPython.js"></script>
<script type="text/javascript" src="./images/shBrushXml.js"></script>
<script type="text/javascript" src="./images/shAutoloader.js"></script>
<link type="text/css" rel="stylesheet" href="./images/shCore.css"> <!--코어스타일-->
<link type="text/css" rel="Stylesheet" href="./images/shThemeDefault.css">
<!---link type="text/css" rel="stylesheet" href="./images/shThemeMidnight.css" /---> <!--테마-->
<script type="text/javascript"> SyntaxHighlighter.all(); </script>
<style>
.syntaxhighlighter { padding-bottom: 1px; }
</style> <!-- 스크롤바 제거 -->
<!--Syntaxhighlighter 코드종료-->입력을 다 했으면 "적용" 버튼을 누릅니다.
블로그 글쓰기에서 HTML모드로 진입합니다.
아래와 같은 방법으로 직접 입력합니다
<pre class="brush:사용할 언어>
소스 코드
이것
저것
</pre>
예를 들면...
| CSR V4.0 Bluetooth USB dongle Driver (0) | 2023.07.21 |
|---|---|
| 티스토리에서 MathJax을 이용해서 수식 입력 (0) | 2022.02.05 |
| 제 2의나라 쿠폰 "회원 번호" 자동으로 입력되는 바로 가기 만들기 (0) | 2021.11.24 |
| [윈10] VPN 자동 재접속 (자동 트리거) 기능 적용하기 (0) | 2020.06.06 |
| 구글맵의 타임라인에 접속하면 error 400 bad request가 표시될때 조치 방법 (0) | 2018.03.02 |
1. Tensorflow 2.X Ver#1
import gym
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
env = gym.make('FrozenLake-v0')
learning_rate = 0.1
input_size = env.observation_space.n
output_size = env.action_space.n
dis=.99
num_episodes=2000
model = tf.keras.Sequential([
tf.keras.layers.Dense(output_size, input_shape=[input_size],
kernel_initializer=tf.random_uniform_initializer(minval=0, maxval=0.01))
])
model.compile(optimizer=tf.train.GradientDescentOptimizer(learning_rate=learning_rate), loss='mse')
model.summary()
rList=[]
for i in range(num_episodes):
s = env.reset()
e = 1.0 / ((i/50)+10)
rAll = 0
done = False
while not done:
Qs = model.predict(one_hot(s))
if np.random.rand(1) < e:
a = env.action_space.sample()
else:
a = np.argmax(Qs)
s1, reward, done, _ = env.step(a)
if done:
Qs[0, a] = reward
else:
Qs1 = model.predict(one_hot(s1))
Qs[0, a] = reward + dis*np.max(Qs1)
model.fit(x=one_hot(s), y=Qs)
rAll += reward
s= s1
rList.append(rAll)
print("Percent of successful episode: "+str(sum(rList)/num_episodes)+"%")
plt.bar(range(len(rList)), rList, color='blue')
plt.show()
2. Tensorflow 2.X Ver2
import tensorflow as tf
import numpy as np
from tensorflow import keras
from tensorflow.keras import layers
import gym
import matplotlib.pyplot as plt
def SumSqureError(y_true, y_pred):
return tf.reduce_sum( tf.square(y_true - y_pred) )
def my_init(shape, dtype=None):
return np.random.uniform(0, 0.01, shape)
env = gym.make("FrozenLake-v1")
INPUT_ONE_HOT = np.identity(env.observation_space.n)
model = keras.Sequential()
model.add(layers.Dense(env.action_space.n, input_shape=(None, env.observation_space.n), kernel_initializer=my_init))
model.summary()
model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=0.1), loss=SumSqureError, metrics=['accuracy'])
dis = 0.99
episodes = 2000
rList = []
def one_hot(x):
return INPUT_ONE_HOT[x:x + 1]
rAll = 0
for i in range(episodes):
state = env.reset()
e = 1.0 / ((i / 50) + 10)
Done = False
while not Done :
Qs = model.predict(one_hot(state))
if np.random.rand(1) < e:
action = env.action_space.sample()
else:
action = np.argmax( Qs )
new_state, reward, Done, _ = env.step(action)
#env.render()
if Done:
rList.append(reward)
rAll += reward
Qs[0,action] = reward
else :
Qs[0,action] = reward + dis * np.max(model.predict(one_hot(new_state)))
model.fit(one_hot(state), Qs)
state = new_state
if (i % 200 == 0) and (i > 0):
print("Prgress : ", (i/episodes), " ==> ", (rAll / i))
print("Success rate: " + str(rAll / episodes))
plt.bar(range(len(rList)), rList, color="blue")
plt.show()
env.close()
2. Tensorflow 1.X
import tensorflow.compat.v1 as tf
import numpy as np
import gym
import matplotlib.pyplot as plt
tf.disable_v2_behavior()
env = gym.make('FrozenLake-v1')
input_size = env.observation_space.n
output_size = env.action_space.n
episodes = 2000
rAll = 0
rList = []
dis = 0.99
Done = False
ONE_HOT = np.identity(input_size)
X = tf.placeholder(shape=[1, input_size], dtype=tf.float32)
#W = tf.Variable(tf.random_normal([input_size, output_size]))
W = tf.Variable(tf.random_uniform([input_size, output_size], 0, 0.01))
Y = tf.placeholder(shape=[1, output_size], dtype=tf.float32)
Qpred = tf.matmul(X, W)
cost = tf.reduce_sum(tf.square(Y - Qpred))
train = tf.train.GradientDescentOptimizer(learning_rate = 0.1).minimize(cost)
sess = tf.Session();
sess.run(tf.global_variables_initializer())
def one_hot(x):
return ONE_HOT[x:x + 1]
for i in range(episodes):
state = env.reset()
Done = False
#e = 1. / ((i / 50) + 10)
e = 1. / ((i / 50) + 10)
while not Done :
Qs = sess.run(Qpred, feed_dict={X: one_hot(state)})
if np.random.rand(1) < e:
action = env.action_space.sample()
else:
action = np.argmax(Qs)
new_state, reward, Done, _ = env.step(action)
#env.render()
if Done:
rAll += reward
rList.append(reward)
# Update Q, and no Qs+1, since it's a terminal state
Qs[0, action] = reward
else:
# Obtain the Q_s1 values by feeding the new state through our
# network
Qs1 = sess.run(Qpred, feed_dict={X: one_hot(new_state)})
# Update Q
Qs[0, action] = reward + dis * np.max(Qs1)
sess.run(train, feed_dict={X: one_hot(state), Y: Qs})
state = new_state
if (i % 200 == 0) and (i > 0):
print("Prgress : ", (i/episodes), " ==> ", (rAll / i))
print("Percent of success of episodes : ", (rAll / episodes))
plt.bar(range(len(rList)), rList, color="blue")
plt.show()
env.close()| 텐서플로 1.x에서 모델 저장 및 불러오기 (0) | 2022.02.10 |
|---|---|
| 파이썬 배열 Reshape/squeeze/expand_dims 함수 사용예 (0) | 2022.01.31 |
| [텐서플로] 텐서플로2+케라스 => MNIST 테스트 (Single Layer Prediction) (0) | 2020.06.13 |
| [텐서플로] Tensorflow2 케라스 클래스 계층구조 (0) | 2020.06.12 |
| [텐서플로] C#에서 tensorflow 사용하기 (4) | 2020.06.10 |
https://www.youtube.com/watch?v=ZYX0FaqUeN4
import numpy as np
t = np.array([[[0,1,2], [3,4,5]], [[6,7,8],[9,10,11]]])
print(t)
print("shape=",t.shape)
print("----------------------")
print("reshape#1")
ar = np.reshape(t, (-1,3))
print(ar)
print("shape=",ar.shape)
print("----------------------")
print("reshape#2")
ar = np.reshape(ar, (-1,1,3))
print(ar)
print("shape=",ar.shape)
print("----------------------")
print("squeeze")
ar = np.squeeze([[0],[1],[2],[3]])
print( ar )
print( "shape=",ar.shape )
print("----------------------")
print("expand_dims")
ar = np.expand_dims([0, 1, 2], 1)
print( ar )
print( "shape=",ar.shape )
In [1]:
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
shape= (2, 2, 3)
----------------------
reshape#1
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
shape= (4, 3)
----------------------
reshape#2
[[[ 0 1 2]]
[[ 3 4 5]]
[[ 6 7 8]]
[[ 9 10 11]]]
shape= (4, 1, 3)
----------------------
squeeze
[0 1 2 3]
shape= (4,)
----------------------
expand_dims
[[0]
[1]
[2]]
shape= (3, 1)
| 텐서플로 1.x에서 모델 저장 및 불러오기 (0) | 2022.02.10 |
|---|---|
| FrozenLake-v1 텐서플로 Reinforcement Learning (0) | 2022.02.02 |
| [텐서플로] 텐서플로2+케라스 => MNIST 테스트 (Single Layer Prediction) (0) | 2020.06.13 |
| [텐서플로] Tensorflow2 케라스 클래스 계층구조 (0) | 2020.06.12 |
| [텐서플로] C#에서 tensorflow 사용하기 (4) | 2020.06.10 |
Microsoft edge에서는 안됩니다.
| javascript:javascript:function testfor() { var url = "https://couponview.netmarble.com/coupon/enn/1384"; if( document.location.href!=url) { document.location.href=url; return; } var elem=document.getElementById("ip_cunpon2"); elem.value="제2의나라 회원번호를 입력하세요";} testfor(); |
| 티스토리에서 MathJax을 이용해서 수식 입력 (0) | 2022.02.05 |
|---|---|
| 티스토리에 syntaxhighlighter-3.0.83 적용하기 (코드 블럭/라인번호) (0) | 2022.02.05 |
| [윈10] VPN 자동 재접속 (자동 트리거) 기능 적용하기 (0) | 2020.06.06 |
| 구글맵의 타임라인에 접속하면 error 400 bad request가 표시될때 조치 방법 (0) | 2018.03.02 |
| 권한 문제로 안 지워지는 파일 및 폴더 삭제. (0) | 2017.03.28 |