aliwo

# hi

aliwo

class Mother:
    my_varialbe = 3
    def _func(self):
        print('func 호출')
    
    def func_caller(self):
        print('여기에 로그를 쓰면 됩니다: {}'.format(self.my_variable))
        self.func()

aliwo

import dis


def recursive_sum(n):
    print('recursive 호출', n)
    if n == 1:
        return 1
    return n + recursive_sum(n-1)

aliwo

def alter_alpha(to):
    num = ord(to)
    return num - 65 if num < 79 else 90 - num + 1


def traverse(done, i):
    # TODO ; left_cnt 보다 right_cnt 가 크면 right 탐색을 중단 하는 최적화가 가능할까? 답에 영향이 없을까?

    # 기저 사례
    if False not in done:

aliwo

package buv.co.kr.util.youtube;/*
 * Copyright (c) 2012 Google Inc.
 *
 * Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except
 * in compliance with the License. You may obtain a copy of the License at
 *
 * http://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software distributed under the License
 * is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express

aliwo

solution = lambda t, l = []: max(l) if not t else solution(t[1:], [max(x,y)+z for x,y,z in zip([0]+l, l+[0], t[0])])

aliwo

# 종만북에서 풀었던 문제. 삼각형 모양만 다르다.
# cache[i][j] 보다 f 스트링을 사용한 1중 dict 가 훨씬 빠르다.
# 이게 반복으로 풀 수 있는 문제인가?

cache = {}


def move(triangle, i, j):
    '''
    현재 위치에서 내려갔을 떄 얻을 수 있는 최댓값을 반환합니다.

aliwo

# 한 줄 짜리 솔루션 해석
def solution(t, l = []):
    if not t:  # 탈출 조건. 삼각형을 전부 소모한다.
        return max(l)
    result = []
    for x, y, z in  zip([0]+l, l+[0], t[0]): # [0] + l = 0 더하기 리스트
        # zip 은 리스트를 n 개 받아서 각 리스트 마다 foreach 를 돌아줘요
        # for a, b, c in zip(A, B, C) 이면 a 는 A의 요소, b 는 B의 요소, c 는 C의 요소
        result.append(max(x, y) + z) # result 에 하나씩 더함

aliwo

import sys , os
sys.path.append(os.pardir)
from dataset.mnist import load_mnist
from common.functions import sigmoid, softmax, np

def get_data():
    (x_train, t_train), (x_test, t_test)=\
    load_mnist(normalize=True, flatten=True, one_hot_label=True)
    return x_train, t_train

aliwo

#!/usr/bin/env python

import flask
from flask import request, jsonify
from os import path, environ
from raven.contrib.flask import Sentry
import cv2
import numpy as np
import requests