Chapter 01. Hello, Python

1.5 라이브러리 numpy

딥러닝을 구현하다보면 배열이나 행렬에 관한 계산이 많이 등장하는데, 이때 numpy의 배열 클래스인 numpy.array는 이런 계산에 편리한 함수들을 제공한다.

1.5.5 브로드캐스트

numpy에서는 형상이 다른 배열끼리도 계산을 할 수 있다.

A = np.array([1,2],[3,4])
B = np.array([10,20])

이때 배열 B는 (1X2)는 자동으로 배열 A의 구조로 (2X2) 브로드캐스팅(broadcast)하여 배열을 확장하여 계산한다.

arr A   +   arr B (broadcast) = arr A * arr B
1   2       10  20              10  40
3   4       10  20              30  80

1.6 라이브러리 Matplotlib

딥러닝 실험에서는 그래프 그리기와 데이터 시각화가 중요한데, 이때 그래프를 그려주는 라이브러리가 Matplotlib이다.
Matplotlib을 사용하면 데이터 시각화가 쉬워진다.

1.6.1 그래프 그리기

import numpy as np
import matplotlib.pyplot as plt

# 데이터 준비
x = np.arange(0,6,0.1) # 0에서 6까지 0.1 간격으로 생성
y1 = np.sin(x)
y2 = np.cos(x)

# 데이터 그리기
plt.plot(x,y1, label="sin")
plt.plot(x,y2, linestyle="--",label="cos") # cos 함수는 -- 점선으로 지정
plt.xlabel("x") # x축 이름
plt.ylabel("y") # y축 이름
plt.title("sin & cos") # 제목
plt.legend()
plt.show()

이 코드는 numpy.arange 메서드를 활용하여 [0,0.1,0.2,...,5.8,5.9] 라는 데이터를 생성하여 변수 x에 할당한 후 사인 그래프와 코사인 그래프를 그린 것이다.

1.6.3 이미지 표시하기

import matplotlib.pyplot as plt
from matplotlib.image import imread

img = imread('../assets/test.png') # 이미지 읽어오기

plt.imshow(img)
plt.show()

• imread의 인자에는 상대경로, 절대경로 모두 가능하다.

1.7 정리

이번 장에서는 딥러닝 학습에 필요한 Numpy와 Matplotlib의 기본 활용방법에 대해 살펴보았습니다.
책의 초반부에서 기본적인 python 문법이 기술되어있었는데, 이부분은 스킵했습니다.
다음장부터는 퍼셉트론과 딥러닝, 신경망에 대해 공부하여 딥러닝에 대해 배워보도록 하겠습니다.