티스토리

Graduhye

검색하기

블로그 홈

Graduhye

keyboard-lover.tistory.com/m

Graduhye 님의 블로그입니다.

구독자: 2

방명록 방문하기

주요 글 목록

신호를 STFT시 window에 따른 spectrogram의 shape 살펴보기 2초짜리 waveform을 48kHz한다고 하자. 1. FFT의 window size가 128일 때 window 길이는 몇 초일까? 2. (time 축에 관하여)frame의 개수는 어떻게 될까? 1) FFT의 window size가 64일 때 frame의 개수는 어떻게 될까? 2) FFT의 window size가 128일 때 frame의 개수는 어떻게 될까? 3) FFT의 window size가 128, hop size가 64일 때 frame의 개수는 어떻게 될까? 3. (frequency 축에 관하여)frequency bin은 어떻게 될까? 1) FFT의 window size가 64일 때(64 point FFT) 2) FFT의 window size가 128일 때(128 point FFT) 1. FFT의.. 공감수 2 댓글수 1 2023. 1. 20.
Conv1D의 기본적인 input과 output 공감수 1 댓글수 1 2023. 1. 18.
나이퀴스트 Sampling이 나오기까지 무엇을 Sampling이라고 일컫는가 연속 신호에서 특정 시간 간격($T_S$)을 두고 수열 형태로의 이산 신호를 얻는 과정을 샘플링이라고 한다. 이때의 $T_s$를 샘플링 주기라고 한다. 그렇게 샘플링된 신호 $x(nT_s)$를 x[n]으로 표기한다. 샘플링을 하면 어떤 현상이 발생하는지 알아보자. $$x(t) = cos2\pi f_0t \Rightarrow x[n] = cos2\pi \frac{f_0}{f_s}n$$ 샘플링을 하면서 바뀐 부분은 두 가지이다. 1) $f_0 \rightarrow \hat{f}(=\frac{f_0}{f_s})$ 2) $t \rightarrow n$ 1) $f_0 \rightarrow \hat{f}(=\frac{f_0}{f_s})$ 시간에 대한 주기의 변화를 나타내는 Hz.. 공감수 8 댓글수 4 2022. 9. 29.
Conditional PMF와 Conditional Expectation 예제로 보기 동전을 세번 뒤집는 실험이 있다고 하자 그리고 확률변수 X, Y에 대해서 각각 다음과 같이 정의했다. X = Num of Heads in 3 Flips Y = Position 1st Head(0 if No Heads) 1) Sample Space 구하기 S = {HHH, HHT, HTH, THH, HTT, THT, TTH, TTT} HHH를 확률변수 X와 Y에 대응시켜보자. X : H가 3개 나왔으므로 3 Y : H가 첫번째에 나왔으므로 1 이처럼 모든 outcome들을 확률변수를 통해 실수로 매핑한다. 2) Marginal PMF, Joint PMF 구하기 왼쪽의 표를 통해서 X와 Y의 Joint PMF $P_{XY}(x, y)$와 함께 Marginal PMF를 구할 수 있다. Outcome X Y H.. 공감수 1 댓글수 0 2022. 7. 28.
확률 기초 개념 정리 Experiment 관측 과정(any process of observation) 주사위 두 개를 던져 합을 구하자. Outcomes 관측 결과(the results of an observation) Random experiment 결과 outcome을 예측할 수 없는 실험일 경우 주사위 던지기는 예측 불가능하기 때문에 random experiment Sample space S a.k.a event가 될 수 있는 재료들 Random experiment를 통한 모든 가능한 outcome의 집합 {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} Event Outcomes들의 집합 혹은 sample space의 부분집합 주사위 눈이 둘다 5 이상이 나오는 사건 {10, 11, 12} One of.. 공감수 0 댓글수 0 2022. 7. 26.
[라플라스변환]푸리에변환과 라플라스 변환 신호를 지수함수의 조합으로 나타내는 것을 주기신호에 대해서(푸리에 급수), 비주기신호 중 유한한 신호에 대해서(푸리에 변환) 다루었다. 이제는 신호가 발산하는 경우에 대해서 어떻게 다루어야 할 지 살펴보자. 지수함수는 eigenvalue H(s)가 존재한다면 eigenfunction이 될 수 있다고 했다. $$H(s) = \int^{\infty}_{-\infty}h(t)e^{-st}dt$$ (여기서는 $H(s)$가 eigenvalue로서가 아닌, $h(t)$의 라플라스변환으로 해석될 예정이다.) $H(s)$가 존재할 조건으로 Stability가 있다. 시스템이 안정하면 $\int^{\infty}_{-\infty}|h(t)|dt < \infty$를 만족하여 $H(jw)$가 존재한다. $H(jw)$가 존재하.. 공감수 0 댓글수 0 2022. 7. 20.
[푸리에급수]푸리에급수와 LTI 시스템 지수함수는 Eigenfunction이다 이전에 Eigenvalue $H(s)$와 Eigenfunction $e^{st}$과 관련한 이야기를 했었다. 이때 선형성을 만족한다는 점에서 아래의 선형결합 형태 역시 구할 수 있다고 이야기했다. 여기서 이야기를 더 진행시켜보자. 저 입력 신호 $\sum$ 쪽을 푸리에 급수 형태로 나타내는 것도 가능해보인다. 그럼 출력을 연속 y(t), 이산 y[n] 로 구할 수 있다. 위의 무한 개수의 정현파의 조합으로 이루어진 $x(t)$와 $x[n]$에서 정현파 하나를 찝어내본다고 하자. 연속시간에서는 Eigenfunction을 $e^{st}$에서 $s=jw$한 $e^{jwt}$을, 이산시간에서는 Eigenfunction을 $z^n$에서 $z=e^{jw}$한 $e^{jwn}$.. 공감수 0 댓글수 0 2022. 7. 14.
[푸리에급수]DTFS 유도하기 DTFS 연속시간을 봤으니 이제는 푸리에급수 이산시간 버전에 대해서 알아보자. 지수함수와 주기를 공유하는 정현파에 대해서 말할 때에 연속은 주기신호를 이루는 정현파가 무한히 많은 데에 반해, 이산은 주기신호를 이루는 정현파가 딱 주기 개수 만큼 있다고 이야기했다. 직관적으로 생각해보자. 이산에서는 최대주파수라는 개념이 존재했고 이는 곧 매 time 마다 바뀔 때를 말한다. $x[n] = x[n+2]$이고 이때의 주기는 2, 주파수는 $\pi$이다. 곧 이산에서의 최대주파수는 $\pi$이고, $2\pi$씩 같은 개형이 반복된다. 그럼 위와 같은 신호는 N=2이므로 두 개의 정현파로 이루어진 것이겠다. 이때 하나는 k=0으로 상수항(높이)이 되고 k=1인 경우가 그래프의 개형을 결정짓게 되겠다. 연속시간과의.. 공감수 1 댓글수 0 2022. 7. 11.
[푸리에급수]연속시간 푸리에 급수의 성질 푸리에 급수의 성질 에 대해서 이야기해보자. 1. Linearity x, y의 주기가 같다는 전제 하에 진행된다. 두 함수의 선형 조합의 푸리에 급수 계수는 두 함수 푸리에 급수 계수의 선형 조합이다. 2. Time Shifting 이때 진폭 스펙트럼은 변화가 없다. $|b_k| = |a_k|$ 생각해보면 함수를 이동시킨다 한들, 비중이 달라지지는 않겠다. Time domain에서의 이동은 frequency domain에서 지수함수를 곱한다(Time shifting). 반대로 time domain에서 지수함수를 곱하는 것은 frequency domain에서 이동이다(Frequency shifting). 3. Time Reversal 4. Time Scaling $\alpha$배 scaling되면 fund.. 공감수 0 댓글수 0 2022. 7. 6.
[푸리에급수]푸리에 급수의 계수 구하기 우리는 주기신호를 주기 T를 공유하는 지수함수의 조합으로 표현할 수 있다! 고 이야기했다. $$x(t) = \sum_\limits{k=-\infty}^{\infty}a_k\phi_k(t)$$ where $\phi _k(t) = e^{jkw_0t} = e^{jk\frac{2\pi}{T}t}$ ( k = ..., -1, 0, 1, ... ) 그럼 여기서 계수 $a_k$는 어떻게 구할까? 우선 아래 예시를 살피자. 위 개념을 적용하여 $x(t) = \sum_\limits{k=-\infty}^{\infty}a_k\phi_k(t)$ , $\phi _k(t) = e^{jkw_0t}$ 여기서의 $\phi_k(t)$라는 기저함수가 이들간 직교성을 만족한다면 계수 $a_k$를 구하기 쉬워지겠다. 함수의 직교성 함수 f와.. 공감수 1 댓글수 0 2022. 6. 28.
[푸리에]푸리에를 들어가기 전 지수함수와 eigenfunction 지수함수는 eigenfunction이다!!!!! 를 외치고 시작하겠다. 고유벡터와 고유함수 우선 eigenvector와 eigenfunction간 관계를 보자. $$Av = \lambda v$$ 행렬 A라는 선형변환(연산자)을 v에 가함으로써, 방향은 같되 크기만 달라질 때($\lambda$만큼) 이때의 v를 eigenvector 고유벡터, $\lambda$를 eigenvalue 고유치 라고 한다. Eigenfunction 위의 개념을 그대로 갖고와서 $Av = \lambda v$의 방향에 해당하는 것이 여기서는 함수의 생김새이다. 그리고 이는 곧 eigenfunction이다. 특별히 이 eigenfunction에 해당하는 함수가 지수함수이다. LTI 시스템일 때에는 impulse를 시스템에 넣어 imp.. 공감수 0 댓글수 0 2022. 6. 11.
Logistic Regression과 비용함수 알아보기 명칭은 Logistic Regression이지만 사실은 Linear regression 문제를 확장하여 최종 목적은 Classification 하기 위함이다! Binary Classification 문제에서, 어떤 대학 과목이 Pass/Fail로 학점을 줄 때 Pass면 1, Fail이면 0으로 나타낼 수 있을 것이다. 출석, 과제 등과 같은 feature, (온라인 강의니까 널널하게 pass를 주겠다와 같은)교수님의 bias까지 모두 고려하여 합한다. ( $\theta^Tx$ ) 시그모이드 함수를 거쳐 $\theta^Tx$이 무엇이 나오던지 0과 1 사이 값으로 바꾼다. 다른 시각으로는 1이 될 확률로 볼 수 있겠다. ( $\sigma(\theta^Tx)$ ) 보통은 0.5 이상이면 P, 그 이하면 F.. 공감수 0 댓글수 0 2022. 6. 2.
[신호와시스템]연속시간 LTI시스템과 impulse로 신호 나타내기 우리는 연속시간에서 impulse 함수를 굉장히 불편하게 마주했었다. 왜냐하면 $\delta(0)$일 때 정의가 안되기 때문이다. [신호와시스템]Impulse에 대해 알아보기 우리는 앞으로 주어진 신호를 1) impulse 2) 지수함수의 조합으로 나타내볼 것인데, 그렇게 될 때 얻게 되는 장점 및 특징을 살펴보도록 하자. 이 글에서는 신호를 impulse의 조합으로 나타내는 이야 keyboard-lover.tistory.com 참고로 $\infty$는 숫자가 아니다. 라는 수학적 기호임을 유의!! 그래서 $\delta(t)$는 함수로 보기 어렵다고까지만 이야기 했었다. 대신 이를 뭔가 들들 볶아서 해소하는 방안은 있는데, 이에 대한 이야기가 진행될 것이다. 아래 $x(t)$와 $\delta_{\Delt.. 공감수 0 댓글수 0 2022. 5. 31.
[신호와시스템]시스템의 성질(2)과 LTI시스템 Time Invariant $x(t) \rightarrow y(t)$일 때 time shift된 input $x(t-t_0) $이 들어간 결과로 똑같이 shift된 $y(t-t_0)$이 나온다. Stability에서 실험적으로 시스템이 안정한 지 알 수 없다고 이야기 하였다. 세상에 모든 유한한 입력을 가지고 test 할 수 없기 때문이다. Time Invariant한 지에 대해서도 마찬가지이다. 모든 $t_0$에 대해서 만족하는지 다 따질 수....? 어림도 없다. 그러므로 수학적으로 보아야 한다. $x_1(t) \rightarrow y_1(t)$ $x_2(t) \rightarrow y_2(t)$ $x_2(t) = x_1(t-t_0) \rightarrow y_2(t) = y_1(t-t_0)$인가? Li.. 공감수 0 댓글수 0 2022. 5. 27.
[신호와시스템]시스템의 성질 System이란 무엇일까? 시스템은 함수(signal)를 함수(signal)에 대응시키는 함수(system)라고 생각하면 된다. 그래서 시스템은 함수(signal)의 함수이다. 시스템의 성질 Memory vs Memoryless Memoryless[Static] : 현재의 출력에는 오로지 현재의 입력만 영향을 준다. $y(t) = Ax(t), A\neq 0$ Memory[Dynamic] : 현재의 출력에는 현재 뿐 아니라 또다른(과거나 미래) 입력이 영향을 준다. $y[n] = x[n-1]$ 실제 시스템은 Dynamic한 경우가 많기에 Static에는 관심 없다. Causality 이러한 Dynamic도 두 가지로 나뉘는데 Causal[Non-anticipative] : 현재 출력이 과거부터 현재까지의 .. 공감수 0 댓글수 0 2022. 5. 26.
[신호와시스템]Impulse에 대해 알아보기 우리는 앞으로 주어진 신호를 1) impulse 2) 지수함수의 조합으로 나타내볼 것인데, 그렇게 될 때 얻게 되는 장점 및 특징을 살펴보도록 하자. 이 글에서는 신호를 impulse의 조합으로 나타내는 이야기를 할 것이다. 신호를 지수함수의 조합으로 나타내는 것은 푸리에로부터 시작된다. 푸리에를 들어가기 전 지수함수와 eigenfunction 지수함수는 eigenfunction이다!!!!! 를 외치고 시작하겠다. 고유벡터와 고유함수 우선 eigenvector와 eigenfunction간 관계를 보자. $$Av = \lambda v$$ 행렬 A라는 선형변환(연산자)을 v에 가함으로써, 방향은.. keyboard-lover.tistory.com 1) Discrete time signal 표현하기 이산시간 .. 공감수 0 댓글수 0 2022. 5. 25.
[신호와시스템]신호의 기본개념(3) - 지수함수 지수함수를 이산 신호에서 표현하게 된다면 알아두어야 할 점은 1) $\dfrac{w_0}{2\pi}$ 가 유리수인 경우에만 주기신호이다. 2) $e^{j(w_0+2\pi)n} = e^{jw_0 n}$ 왜? $e^{j2\pi n} = 1$이기 때문이다. 복소평면 상에서 볼 때 $2\pi$마다 똑같은 그림이 반복될 것이다. 구체적으로는 $-\pi ≤\ w_0 < \pi$ 에서만 $w_0$ 크기가 늘어날 수록 진동이 점점 빨라지고 이를 넘어가는 범위에서는 해당되지 않는다. 즉 이산 신호에서는 $w_0 = 0$과 $w_0 = 2\pi$가 같은 주파수이다. 연속 신호에서의 상수함수는 최소 주기가 양의 실수로 주기가 존재하지 않았다. 이산 신호에서의 상수함수는 최수 주기가 양의 정수가 1로 주기가 존재한다. 이산 .. 공감수 0 댓글수 0 2022. 5. 25.
[신호와시스템]신호의 기본개념(2) 독립변수의 affine 변환 $x(t)$ → $x(at + b)$ shift 후 scaling 으로 바라보는게 편하다. 1) 이동(time shift) $x(t)$ → $x(t- t_0)$ 2) scaling $x(t)$ → $x(\alpha t)$ 3) reflection $x(t)$ → $x(-t)$ 주기신호 모든 시간 t에 대해서 $x(t) = x(t + T)$를 만족하는 T가 있다면 T : 주기 이때 T의 정수배도 모두 주기라고 말할 수 있다. 그러므로 주기신호의 주기를 물어볼 때 답이 단 하나가 나오는 것이 아니다. 단 fundamental period를 묻는다면 이는 제일 작은 주기로, 유일하게 답할 수 있겠다. 주기신호 가운데 상수신호는 예외적이다. x(t) = c = x(t+T) 이때 T는.. 공감수 0 댓글수 0 2022. 5. 25.
[신호와시스템]신호의 기본개념(1) 신호 : 정보를 포함하는 함수 또는 수열 시스템 : 신호 사이의 관계 예시 raw data image(신호) → 압축 알고리즘(시스템) → jpeg 이미지(신호) 미분은 시간에 따라 변하는 신호를 정량적으로 기술할 수 있다. 그렇기에 필연적으로 미분방정식 형태로 연속적으로 변하는 신호들 사이의 관계가 정의될 수 밖에 없다. 연속시간 신호 vs 이산시간 신호 Continuous time signal 시간 t에 대한 신호를 x(t)로 표현한다. R → R 연속적이고 실수이다. Discrete time signal x(t)로부터 t=T마다 샘플링 했다. 그러면 x(0), x(T), x(2T), ... , x(nT) 값을 뽑는다는 것이고 이를 ..., x[0], x[1], x[2], ... , x[n]으로 표현.. 공감수 0 댓글수 0 2022. 5. 24.
[선형대수]역행렬, 행렬식, 고유벡터 역행렬부터 시작하자. $n \times n$ 행렬 A의 역행렬 $A^{-1}$을 정의하면 $$A^{-1}A = AA^{-1} = I$$ 역행렬은 언제 존재하는가? $A^{-1}$ exists $\Leftrightarrow Ax \neq 0$ for all $x \neq 0 \Leftrightarrow N(A) = 0$ Nullspace $N(A) = \left\{x|Ax = 0\right\}$ A에 x를 곱했을 때 0으로 보내는 x들의 집합 즉, 역행렬이 존재하는 조건은 A에 x를 곱했을 때 0으로 보내는 x vector가 영벡터 뿐일 때를 뜻한다. A의 역행렬이 존재한다는 말은 곧 A가 invertible하다, A가 non-singular하다와 동치이다. 반대로 A의 역행렬이 존재하지 않는다는 말은 곧.. 공감수 0 댓글수 0 2022. 5. 19.
[Density Estimation]GMM(Gaussian Mixture Model)과 EM 알고리즘 Parametic Methods(단순한 분포를 가정하고 유한한 파라미터를 구하자) ML(Maximum Likelihood) Estimation MAP(Maximum A Posteriori) Estimation Non-Parametic Methods(복잡한 분포를 가정하자) 파젠창(Parzen Window) K-Nearest Neighbor Estimation (Parametric Methods + Non Parametic Methods)단순한 분포를 여러개 사용하자! Mixture Models 두 개 이상의 서로 다른 확률 분포의 혼합으로 데이터의 확률 분포를 모델링하자. (b)와 같이 하나의 단순 분포로 나타내기에는 아무래도 무리가 있다. 그래서 (c)와 같이 두 개의 단순 분포를 혼합해서 사용하는 것.. 공감수 0 댓글수 0 2022. 4. 28.
[Density Estimation]K-Nearest Neighbors Estimation과 Classification Parametic Methods(단순한 분포를 가정하고 유한한 파라미터를 구하자) ML(Maximum Likelihood) Estimation MAP(Maximum A Posteriori) Estimation Non-Parametic Methods(복잡한 분포를 가정하자) 파젠창(Parzen Window) K-Nearest Neighbor Estimation K-Nearest Neighbors Estimation 파젠창에서는 h가 고정이고 그 안에 샘플 수 k는 가변적이었다. 이번에는 반대로 샘플 수 k가 고정, h가 변동되는 값이된다. 샘플의 위치 x를 중심으로 창을 씌우고 k개 샘플이 안에 들어올 때까지 h를 확장해나간다. $$P_k(x) = \frac{1}{h(x)^d}\frac{k}{n}$$ $k.. 공감수 0 댓글수 0 2022. 4. 27.
[Density Estimation]파젠창(KDE)으로 파라미터 추정 Parametic Methods(단순한 분포를 가정하고 유한한 파라미터를 구하자) ML(Maximum Likelihood) Estimation MAP(Maximum A Posteriori) Estimation Non-Parametic Methods(복잡한 분포를 가정하자) 파젠창(Parzen Window) K-Nearest Neighbor Estimation 데이터의 분포가 유한한 파라미터로 가정할 수 없는 경우를 다뤄본다. 어떠한 사전 정보나 지식 없이 순수하게 관측된 데이터만으로 확률밀도함수를 추정한다. Histogram 시험을 봐서 성적을 [0, 100]까지 나타낸다고 하자. 이때 점수 분포를 5점마다, 10점마다 나타낼 수 있겠다. 그러나 그렇게 되면 bin의 크기마다 데이터의 분포가 달라지게 된.. 공감수 1 댓글수 0 2022. 4. 26.
[Density Estimation]ML과 MAP로 파라미터 추정 Density Estimation 밀도추정이란, 어떤 점 x에서 데이터가 발생할 확률, 즉 확률분포 $P(x)$를 구하는 문제이다. 예를들어 현재와 같은 분포에서는 $P(x_1)>P(x_2)>P(x_3)$이겠다. $x_1$쪽에는 밀집된만큼, 발생할만하고 $x_3$쪽에는 전혀 없어 발생가능성이 현저히 적다. 분포를 어떻게 구하냐에 따라서 다음과 같이 나뉜다. Parametic Methods(단순한 분포를 가정하고 유한한 파라미터를 구하자) ML(Maximum Likelihood) Estimation MAP(Maximum A Posteriori) Estimation Non-Parametic Methods(복잡한 분포를 가정하자) Parametic Methods 우리는 평균과 분산값 이렇게 두 가지만 있으면 .. 공감수 0 댓글수 0 2022. 4. 25.
[확률]조건부 확률부터 Bayes Rule과 Bayes' Theorem 정리 조건부확률 A라는 사건이 일어났을 때 B가 일어날 확률 $$P(B|A) = \frac{P(A\cap B)}{P(A)}$$ Bayes' Rule $P(A\cap B) = P(A|B)P(B) = P(B|A)P(A)$ 이므로 $$P(A|B) = \frac{P(B|A)P(A)}{P(B)}$$ Bayes' Theorem $A_1$ ~ $A_n$사건이 $S$의 partition이라고 한다면 모든 i, j에 대해서 $A_i \cap A_j = \varnothing$ : mutually exclusive(disjoint) $A_1 \cup \cdots \cup A_n = S$를 만족한다. B 사건을 S에서 일어난 사건이라고 하자. 그렇다면 P(B)를 다음을 통해 구할 수 있겠다. $P(B) = \sum_{i=1}^n .. 공감수 0 댓글수 0 2022. 4. 23.
딥러닝에서 사용하는 가우시안 분포 기초개념 Probability VS Likelihood 주사위의 경우의 수와 같은 이산확률분포에서는 probability = likelihood 이지만 연속확률분포에서는 probability != likelihood 이다. 연속확률분포에서는 면적이 확률이 된다. ex) 강수량이 100mm~ 150mm 일 확률 즉 특정 사건 딱 오늘 비가 115mm 내릴 확률에 대해서는 0이겠다. probability가 될 때 0이지만, likelihood는 y값이다. Likelihood란 지금 얻은 데이터가 이 분포로부터 나왔을 가능도를 뜻한다. Maximum Likelihood Estimation에서 봤던 것처럼, 데이터 샘플에서 후보 분포에 대한 높이(likelihood 기여도)를 다 곱한 것을 이용할 수 있을 것이다. 가우.. 공감수 0 댓글수 0 2022. 4. 22.
분산부터 공분산행렬까지 분산, 공분산, 상관계수, 공분산행렬까지 개념을 살펴보자. Variance 분산 확률변수 X가 평균으로부터 얼마나 퍼져있는가? $$Var(X) = E[(X-\mu)^2]$$ Covariance 공분산 1개의 변수 값이 변화할 때 다른 변수가 어떠한 연관성을 나타내며 변하는지를 측정한다. $$Cov(X, Y) = \sigma_{XY} = E[(X-E(X))(Y-E(Y))] = E(XY) - E(X)E(Y)$$ 여기서 알 수 있는 것은 단 세가지로, $Cov(X, Y) > 0$ : X와 Y가 양의 선형관계이다 $Cov(X, Y) < 0$ : X와 Y가 음의 선형관계이다 $Cov(X, Y) = 0$ : X와 Y가 아무런 선형 상관관계를 갖지 않는다. 이때 확률 변수 X, Y가 독립이면 $Cov(X, Y) = .. 공감수 0 댓글수 0 2022. 4. 21.
[C]void 포인터에 자료형 할당하기 일반적인 자료형 할당하기 void 포인터는 자유로운 영혼이다. void 포인터를 다른 자료형으로 변환하면 역참조를 할 수 있다. *(할당받은 자료형 *)ptr 역참조란, 포인터형으로 선언된 변수에다가 *를 붙여 값을 얻어낸 과정 #include int main() { int num1 = 10; float num2 = 3.5f; char c1 = 'a'; void *ptr; ptr = &num1; // num1의 메모리 주소를 void 포인터 ptr에 저장 // printf("%d\n", *ptr); // 컴파일 에러 printf("%d\n", *(int *)ptr); // 10: void 포인터를 int 포인터로 변환한 뒤 역참조 ptr = &num2; // num2의 메모리 주소를 void 포인터 pt.. 공감수 0 댓글수 0 2022. 4. 19.
[C] 문자열 포인터와 문자열 배열 정리 C언어에서는 직접적으로 문자열을 처리할 수 없다. C++에서와 같이 string s1 = "Hello"; 와 같이 할 수 없다는 것이다. 그럼 어떻게 해야 할까? 변수에 직접적으로 저장하는 것이 아닌, 포인터를 이용한다. char c1 = 'a'; #include int main(){ char c1 = 'a'; char *s1 = "hello"; char s2[10] = "hello"; char s3[6] = "hello"; char s4[] = "hello"; } s1은 문자열의 시작주솟값을 가지고 있다. 그리고 문자열의 끝은 항상 \0이다. C언어는 문자열이 \0에서 끝이라는 것을 내부적으로 알고 있다. 그래서 printf는 문자열을 출력할 때 문자열을 계속 출력하다가 NULL에서 출력을 끝낸다. 읽.. 공감수 0 댓글수 0 2022. 4. 19.
[C] 구조체 메모리 크기 계산 빠르게 정리 typedef struct 선언 시, 변수 선언에 대한 메모리 공간 크기에 대해서 알아보자. char : 1 byte int : 4 byte double : 8 byte pointer : (32bit) 4 byte, (64bit) 8 byte sizeof 를 통해서 변수의 사이즈를 알 수 있다. typedef struct student { char a; int b; }S; void main() { printf("메모리 크기 = %d/n", sizeof(S)); // 8 } char + int 해서 5 byte일 것 같지만 8 byte이다. 어떠한 연고로? 가장 큰 자료형 크기의 배수로 정렬한다 int 형이 4 byte이고 구조체의 멤버변수 중 제일 크게 차지하기 때문에 4 byte 단위의 메모리를 잡게 .. 공감수 0 댓글수 0 2022. 4. 18.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.