Study29 [컴퓨터구조] Rformat op 6bits와 funct 6bits를 보면 instruction 종류를 알 수 있음assembly 언어에서는 destination register 번호가 첫 번째로 옴기계어에서는 destination register 번호는 세 번째로 옴20 hex (16진수) -> 10진수로 32왜 register는 5 bit씩 할당하였는가 (register가 총 32개이기 때문)25=32 (0~31 표현가능) Disassemble the following MIPS instruction (기계어 -> 어셈블리어)op field부터 먼저 확인 3가지 MIPS instruction 모두 공통으로 6bit op field를 가지고 있기 때문000000이면 Rformat instructionex) sllsource fie.. 2024. 9. 17. [컴퓨터구조] logical instructions arithmetic instruction에서는 register를 32bit signed 정수로 해석 logical instruction 역시 operand가 register이어야 되고 32bit(32개로 적지말 것)로 구성되어 있음단, 독립적인 32bit 값이 모여있을 뿐 논리연산 = 1 bit 연산 (0 or 1)NOT -> 단항 연산 (operand 1개)AND, OR -> 이항 연산bitwise(bit-by-bit) logical operators or / ori ori = addiA or 0 = A 당분간 out of range error는 무시하고 실행 and / andiA and 1 = A nor = not ornot instruction은 필요 없음 (nor 활용) sll : shift l.. 2024. 9. 16. [컴퓨터구조] multi & div 곱셈MIPS에서 곱셉 연산의 operand는 2개 (2개 모두 source operand)32bit 2개를 곱하여 64bit64bit 중 높은 32 bit -> High나머지 32 bit -> Lowexcess하려면 mfhi or mflo (operand는 하나, register는 destination)mult / multu 관계는 add / addu 관계와 다름overflow 체크 X multu -> source operand에 있는 register 값을 signed integer로 해석할 것인지 unsigned integer로 해석할 것인지 정함 위에 3줄은 무조건 작성 나눗셈operand 2개div / divu 관계는 multi / multiu 관계와 동일No overflow or divided-b.. 2024. 9. 16. [컴퓨터구조] subtraction $0 → 값은 항상 0register 총 32개 ($0 ~ $31, 각각 32bit)Signed Binary Subtraction6 → 0000 0000 0000 0000 0000 0000 0000 0110의 1의 보수→ 1111 1111 1111 1111 1111 1111 1111 1001(-6) → 1111 1111 1111 1111 1111 1111 1111 1010 MIPS source file 1 instruction은 32bit (=1 word =4B)[메모리 주소] -> 16진수(8자리)로 나타냄 -> ex) 00400024 byte에 해당 데이터가 있음메모리에 저장된 내용 -> 16진수(8자리)로 나타냄왜 다음 instruction 주소는 00400025가 아니라 00400028일까 (1 .. 2024. 9. 16. [ML] AutoML (Pycaret, AutoGluon) 데이콘많은 대회에서 AutoML을 빈번히 사용 대구 교통사고 피해 예측 AI 경진대회 HD현대 AI challenge 제주 특산물 가격 예측 AI 경진대회 AutoML이란?말 그대로 자동화된 Machine Learning시간 소모적이고 반복적인 기계 학습 모델 개발 작업 (데이터 전처리, 모델링, 하이퍼파라미터 튜닝 등)을 자동화하는 프로세스머신러닝을 위한 고급 모델 구축을 자동화하여, 데이터 과학 전문 지식과 프로그래밍 스킬이 없어도 누구나 쉽게 머신러닝을 활용할 수 있도록 도와줌 PyCaretpython에서 제공하는 open-source 라이브러리PyCaret은 scikit-learn, XGBoost, LightGBM, CatBoost, Optuna 등 다양한 머신러닝 라이브러리와 .. 2024. 8. 12. [핸즈온머신러닝] chapter 7. 앙상블 학습과 랜덤 포레스트 Ensemble Method일련의 예측기 (즉, 분류나 회귀 모델)로부터 예측을 수집하면 가장 좋은 모델 하나보다 더 좋은 예측을 얻을 수 있음 7.1 투표 기반 분류기더 좋은 분류기를 만드는 매우 간단한 방법은 각 분류기의 예측을 모아서 가장 많이 선택된 클래스를 예측하는 것이렇게 다수결 투표로 정해지는 분류기를 'hard voting(직접 투표) 분류기'라고 함 TIP앙상블 방법은 예측기가 가능한 한 서로 독립적일 때 최고의 성능을 발휘즉, 각기 다른 알고리즘으로 학습이렇게 하면 매우 다른 종류의 오차를 만들 가능성이 높기 때문에 앙상블 모델의 정확도를 향상시킴투표 기반 분류기가 다른 개별 분류기보다 성능이 조금 더 높음을 확인 모든 분류기가 클래스의 확률을 예측할 수 있으면(즉, predict.. 2024. 8. 9. 이전 1 2 3 4 5 다음
