※ matplotlib 설치 필요




import networkx as nx
import matplotlib.pyplot as plt

G = nx.Graph()

# 원하는 파라미터 이름 = 실수 (**kwds)
G.add_edge(1, 2, weight=5)
G.add_edge(2, 3, weight=3)
G.add_edge(3, 4, weight=2)
G.add_edge(2, 4, weight=1)
G.add_edge(1, 4, weight=0.5)

# 아래는 그래프로 그리는 법
pos=nx.spring_layout(G)
nx.draw(G, pos=pos, with_labels=True)

# edge 라벨은 weight 값을 가져온다.
labels = nx.get_edge_attributes(G,'weight')

nx.draw_networkx_edge_labels(G,pos,edge_labels=labels)

# 이 py 파일 위치하는 곳에 G.png 저장
plt.savefig("G.png")
plt.show()


저작자 표시 비영리 변경 금지
신고

※ matplotlib 설치 필요


Directed Graph 일 경우, 두 노드에서 굵은 노드 있는 쪽이 방향 가르키는 쪽

ex) 아래 그래프, 노드1노드2양방향성 // 노드2노드3노드2 -> 노드3만 존재




import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()

# 노드 = 원, 엣지 = 선 (add_node를 안하고 add_edge(1,2)을 해도 노드 1, 2는 자동 생성됨
G.add_nodes_from([1, 2, 3, 4])
G.add_edges_from([(1, 2), (2, 1), (2, 3), (2,4)])

# 라벨 표시안하려면 with_labels 파라미터 지우거나 False
nx.draw(G, with_labels=True)

# 이 py 파일 위치하는 곳에 사진으로 저장
plt.savefig("G.png")

plt.show()


저작자 표시 비영리 변경 금지
신고



a = [1, 2, 3]

a[:] = []  # 결과: a = [], a[:]는 a[0:len(a)]와 같음

del a[:] # 결과: a = []

a.clear()  # 결과: a = [], Python 3.3+


3가지 방법

저작자 표시 비영리 변경 금지
신고

※ Python 언어 개념은 기본 전제


TensorFlow 사이트: https://www.tensorflow.org/


링크 1 (Where can I start learning how to use TensorFlow? - Quora 영어)


링크 2 (Practical Machine Learning Tutorial with Python Introduction 파트1~72 - 영어)


링크 3 (TensorFlow 한글 문서)


저작자 표시 비영리 변경 금지
신고

0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E, F


ex) 463 (10) = 16x16x1 + 16x12 + 15 (10) = 1CF (16)


계산 과정 (463 (10) 을 예로 든다.)


1. 463을 처음에 16으로 나누면 몫은 28 나머지는 15


2. 몫이 16 이상이면 계속 계산 몫과 나머지를 구한다.

   1에서 구한 28을 16으로 나누면 몫 1 나머지 12


3. 최종 몫이 맨 앞자리 수 (1), 최종 나머지가 그 다음 수 (12 = C), 그 전 나머지가 그 다음 수 (15 = F)


따라서 463 (10) 은 1CF (16) 


160 (10) = 16 x 10 + 0 = A0 (16) 

2560 (10) = 16 x 16 x 10 + 0 + 0 = A00 (16)


16 ┗y

16 ┗y/16

. . .

저작자 표시 비영리 변경 금지
신고

티스토리 툴바