728x90 반응형 넘파이4 [NVIDIA] NumPy의 한계를 넘어, GPU 가속의 힘 CuPy 완벽 가이드 파이썬으로 대규모 과학 계산이나 데이터 처리를 할 때 NumPy는 필수 라이브러리입니다. 하지만 데이터의 크기가 기하급수적으로 늘어날 수록 CPU만으로는 처리 속도의 한계에 부딪히게 됩니다. 이럴 때 필요한 것이 바로 CuPy입니다. CuPy는 NumPy와 거의 동일한 문법을 사용하면서도 코드를 GPU에서 실행하여 데이터 처리 속도를 극적으로 가속하는 혁신적인 라이브러리입니다.주제 개념 및 용어 정리용어실제 단어 뜻 CuPy에서의 의미NumPyNumerical Python의 합성어. 파이썬에서 대규모 다차원 배열을 다루고 행렬 및 벡터 연산을 수행하는 데 사용하는 핵심 라이브러리입니다. 모든 연산은 CPU에서 이루어집니다.CuPy가 지향하는 문법 및 기능의 표준이자, CuPy가 가속화를 제공하는 대상입니.. 2025. 10. 9. [데이터 시각화] 픽셀을 조각하다: 대비, 휘도, 노이즈 필터링으로 이미지 마스터하기 2025.10.01 - [AI/데이터 시각화] - [데이터 시각화] 픽셀을 해부하다: 파이썬으로 배우는 이미지의 다차원 구조 (Part 1) 이전에 이미지를 NumPy 배열로 다루고 기본적인 슬라이싱을 통해 채널을 분리하는 방법을 배웠습니다. 이번에는 더 흥미로운 이미지 처리 기법인 밝기/대비 조절과 노이즈 필터링을 구현해 보겠습니다.1. 밝기 조절 : 클리핑이 핵심픽셀 밝기는 RGB 구성요소 값에 비례합니다. (0 : 빛 없음, 255 : 최대 밝기) 밝기를 조절할 때는 값이 범위를 벗어나지 않도록 주의해야합니다.예를 들어 G = 200 인 픽셀의 밝기를 두 배로 늘리면 G = 400이 되는데, 최대값인 255를 초과하므로 이 값을 255로 클리핑(Clipping) 해야합니다. # NumPy의 cli.. 2025. 10. 6. [데이터 시각화] 픽셀을 해부하다: 파이썬으로 배우는 이미지의 다차원 구조 (Part 1) 개요데이터 과학자나 개발자에게 이미지는 단순히 보는 것을 넘어 분석하고 조작해야 할 다차원 데이터 구조입니다. 이번 글에서는 간단한 Python 라이브러리인 NumPy와 Matplotlib을 이용해 이미지를 데이터 관점에서 해부하고 기본적인 조작을 해보겠습니다. 1. 이미지 NumPy 배열로 바꾸기우리는 Jupyter Notebook 환경에서 작업을 시작합니다. 이미지를 데이터로 다루기 위한 필수 라이브러리들을 볼러옵니다.아래 간단한 코드를 통해 JPG 파일이 메모리에서 NumPy 배열(행렬)로 변환됩니다.import numpy as npimport matplotlib.pyplot as pltimport matplotlib.image as Image# 이미지를 불러와 NumPy 배열로 변환img = Im.. 2025. 10. 5. [카카오테크 부트 캠프] 회고록 3주차 개요이번 주 부트캠프는 데이터 분석의 핵심 라이브러리인 NumPy와 Pandas의 개념을 탄탄하게 다지는 데 집중했습니다. 평일 동안 이론과 개념을 정리하고, 주말에는 이를 바탕으로 한 과제를 실습하며 지식을 실제 코드로 구현해보는 시간을 가졌습니다.NumPy, Pandas주말 과제는 이번 주에 배운 NumPy와 Pandas의 핵심 개념을 적용해보는 기회였습니다. 과제 자체의 난이도는 개념을 확인하는 수준으로 아주 어렵진 않았지만, '이 문제를 풀기 위해 어떤 함수를 써야 할까?'를 고민하며 바로 코드를 떠올리는 단계에 이르지 못했다는 점을 깨달았습니다.아직은 문제를 보면 관련 개념을 떠올리고 문서를 찾아보거나 정리된 노트를 참고해야 코드를 작성할 수 있는 초기 단계입니다. 스스로에게 솔직하게, 많은 연.. 2025. 9. 28. 이전 1 다음 728x90 반응형
