BASHA TECH

// lifetime.cpp : lifetime and location // (2) C++ 오브젝트의 존속기간(lifetime)과 저장부류(storage class) 관점에서 프로그램을 기술하세요. // 프로그램 내의 심볼은 자신이 생성되는 시점과 소멸되는 시점. 즉, 존속기간을 가진다. // 심볼이 생성된다는 것은 프로그램이 실행되어 메모리 공간을 할당 받는 것을 의미하고 소멸된다는 것은 공간을 반환하는 것이다. // 객체 존속 기간을 다양하게 지정할 수 있다는 것이다. // 즉 프로그램의 실해왁 같은 존속 기간을 주어 실행 중 필요한 때에 언제라도 그 객체를 접근하게 할 것인지(정적 존속기간) 아니며 계산의 중간 결과를 위해 임시 객체를 둘 것인지(지역 존속기간), 또는 객체의 생성과 소멸을 프로그래..

// file2.cpp #include "file2.h" // file2 헤더파일 포함 // 아무것도 없음 // file2.h static int b = 10; // 정적 변수 : 프로그램 시작과 함께 생성되어 프로그램 종료와 함께 소멸됨. static int h() { return ++b; }

// file1.cpp #include "file1.h"// 헤더 파일 포함 #include using namespace std; int a;// 전역 변수 정의 static int b = 3;// 정적 변수 정의 int f() { return ++a; } // a에 1이 더해진후 a값 출력 // 함수는 {}없이 ;만 쓰면 선언만 되서 나중에 언제라도 구현하도록 되어있고, // 변수는 ;으로 끝나는 표현과 = 초기값;으로 끝나는 표현 모두 메모리에 해당변수를 만들어놓고 값을 설정한다. int g() { return ++b; } // file1.h extern int a;// 전역 변수 선언 int f();// 함수 선언 int g(); // 함수 선언 // // file2.h // static int b..

#include int main(void) { int a; return ++a; }

application of c++ - high performance applicaations - video game - device drivers - web browsers - servers - operating systems c++ standard library > data structures : list, map > algorithms : searching, sorting

homebrew가 설치되어 있는 상태에서 (*brew로 mariadb를 설치해줄 것이기 때문에 필요) homebrew 설치 과정은 해당 게시글에 정리 되어 있다. https://basily.tistory.com/340 Homebrew 설치 https://brew.sh/index_ko 에서 확인 Homebrew The Missing Package Manager for macOS (or Linux). brew.sh homebrew는 mac의 패키지 관리자 툴이다. 그래서 설치 해두면 여러모로 도움이 많이 됨. 그래서 설치를 해보겠다. /bin basily.tistory.com brew install mariadb 설치가 잘 되었는지 확인한다. mariadb -V mariadb server 실행 / 중지 / ..

https://brew.sh/index_ko 에서 확인 Homebrew The Missing Package Manager for macOS (or Linux). brew.sh homebrew는 mac의 패키지 관리자 툴이다. 그래서 설치 해두면 여러모로 도움이 많이 됨. 그래서 설치를 해보겠다. /bin/bash -c "$(curl -fsSL https://gist.githubusercontent.com/nrubin29/bea5aa83e8dfa91370fe83b62dad6dfa/raw/48f48f7fef21abb308e129a80b3214c2538fc611/homebrew_m1.sh)" 이렇게 해도 되고 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent..

DQL Agent from collections import deque from tensorflow.keras.optimizers import Adam, RMSprop class DQLAgent: def __init__(self, gamma=0.95, hu=24, opt=Adam, # hu가 노드의 수 opt: optimizer의 약자 lr=0.001, finish=False): # lr이 머지. . . ? => ask self.finish = finish # epsilon => 탐색(무작위)을 할 비율. 무작위를 얼마나 할거냐? self.epsilon = 1.0 # 1) 초기 탐색(무작위) 비율 self.epsilon_min = 0.01 # 2) 최소 탐색 비율 # 무작위가 약간은 있어야함. 0 이면 ..

policy network를 찾는다. 정책을 찾아내는 신경망. 정책에 따라 행위가 달라짐.> 1단계 - 카트폴 게임은 분류 문제로 풀 수도 있다. - 4개의 환경 상태값은 특징값이 되고, 해당 특징값에 대응하는 올바른 라벨값은 행위가 된다. - 신경망 에이전트는 환경(ex. 게임, 주식시장)과 상화작용하면서 특징값 및 라벨값을 수집한다. - 이 데이터셋이 점차적으로 증가하면서 신경망 에이전트는 환경 상태에 대한 올바른 행위를 학습할 수 있게 된다. - 이런 경우 신경망은 정책에 대해 기술하고, 에이전트는 새로운 경험을 기반으로 정책을 수정한다. import logging # 실행되는 상태를 저장 import tensorflow as tf tf.get_logger().setLevel(logging.ERRO..

- 카트폴 문제는 완전한 형태의 강화 학습 접근법이나 신경망이 필요하지 않다. - 차원 축소를 활용하여 특별한 정책을 정한다. - 환경 상태를 정의하는 파라미터 4개(state임)를 선형조합(dot=> 내적)하여 하나의 실숫값으로 축소 # 고정된 시드값 무작위 가중치 설정 np.random.seed(100) # 무작위 가중치 설정 weights = np.random.random(4) * 2 - 1 weights # 환경 초기화 state = env.reset() # 환경에서 state 추출 state # 초기 상태값 # 상태와 가중치의 내적 s = np.dot(state[0], weights) # np.dot => 내적 => 단일 값(schalar) 추출. # 단일값 크기따라 영향이 생긴다. print(..