목차지난 글에서는 Fashion MNIST를 사용한 Vanilla GAN 코드에 대해 살펴보았다. [PyTorch]생성적 적대 신경망(GANGenerative Adversarial Network) [PyTorch]생성적 적대 신경망(GANGenerative Adversarial Network)목차지난 글에서는 MNIST데이터셋을 이용한 오토인코더 모델 코드를 분석해 보았다. [PyTorch]오토인코더(Autoencoder) [PyTorch]오토인코더(Autoencoder)목차 지난 글에서는 전이 학습을 구현하고, RNN의gnidinger.tistory.com 이번 글에서는 오토인코더와 K-평균 알고리즘을 결합한 깊은 K-평균 알고리즘에 대해 알아보려 한다. 비지도학습도 K-평균 알고리즘도 처음인지라, 먼..
목차 서비스의 규모와 사용자가 증가해 한 대의 서버로는 트래픽을 감당할 수 없을 때, 보통은 비용이 많이 드는 수직적 확장(Scale-Up) 대신 수평적 확장(Scale-Out)을 선택한다. 이처럼 수평적으로 확장된 서버를 로드밸런스와 함께 사용하면 쉽게 서버의 부하를 분산시킬 수 있다. 하지만 이때 서버마다 사용하는 데이터베이스 역시 분산되면서 기존에는 존재하지 않았던 문제가 생기게 된다. 바로 세션을 사용하는 경우의 사용자 정보 및 요청 저장이 분산된다는 것인데, 예를 들면 A서버에 저장된 세션아이디를 가진 고객이 B서버로 요청을 했을 때 B서버는 세션 정보를 가지지 않기 때문에 사용자에게 새로운 자격증명, 즉 로그인 등을 요구하게 된다. 즉, 서버 사이의 데이터 정합성이 깨질 수 있다는 말이다. 조..
- Total
- Today
- Yesterday
- 유럽
- 세계일주
- 알고리즘
- 지지
- java
- 세모
- 면접 준비
- 세계여행
- 중남미
- 파이썬
- 스트림
- Python
- 스프링
- Backjoon
- spring
- BOJ
- 칼이사
- a6000
- 백준
- 기술면접
- 맛집
- 남미
- Algorithm
- 유럽여행
- 야경
- RX100M5
- 리스트
- 동적계획법
- 자바
- 여행
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |