[Multi-Core & GPU Programming] HW0 - Test Server Account & Read & Print File Contents

"Test Server Account & Read & Print File Contents"

[Objective]

과제 수행을 위한 계정을 생성하고, 파일을 읽고 해당 파일 안의 내용을 거꾸로 출력하여 C++ 이해하기

[Assignment Description]


· Server Address = 165.132.46.80 / Port Number = 31522

[Solve The Assignment]

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
#include <iostream>
#include <fstream>
#include <string>
 
int main() {
    std::ifstream input_file("/data/hw0/data.txt"); // Open File
 
    if (input_file.is_open() == 0) {                // Fail To Open File
        std::cout << "Error!" << std::endl;         // Print Error Message
        return 0;                                   // End The Program
    }
 
    std::string data;                               // Declare Variable To Store "input_file" Whole Data
    char c;                                         // Declare Variable To Read One Letter Of "input_file"
 
    while (input_file.get(c)) {                     // Get One By One
        data += c;                                  // Store In "data"
    }
 
    for (int i = data.length() - 1; i >= 0; i--) {  // Start Loop From Behind Of Data
        std::cout << data[i];                       // Print Data
    }
 
    std::cout << "\n";                              // New Line
 
    input_file.close();                             // Close File
    return 0;
}
 
cs

6 : 표준 Library "std" 안에 있는 ifstream을 사용하여 "input_file" 이름으로 File Open
    → Windows 환경 : "C:\\Users\\name\\file.txt"
    → Linux/Unix 환경 : "/data/hw0/data.txt"
8 : File Open 실패 시 "~.is_open() == 0"
9 : Error 메세지 출력
    → std::cout << "Error!\n"도 가능하나 Error 발생 시 Program 자체가 끝나므로 줄도 바꾸고 Buffer도 비우는 std::endl 사용
10 : Program 종료
13 : input_file에서 읽은 데이터를 저장할 변수 "data" 선언
14 : input_file에서 한 글자씩 읽는 변수 "c" 선언
16 : End Of File에서는 읽을 글자가 없으므로 조건이 False가 됨
17 : 한 글자씩 읽어서 "data"에 저장
20 : Index를 뒤에서부터 수행
21 : 해당 Index의 값을 출력
24 : 출력 종료 후, 마지막 줄 바꿈
26 : input_file 닫기
27 : Program 종료

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
#include <iostream>
#include <fstream>
#include <string>
 
int main() {
    std::ifstream input_file("/data/hw0/data.txt"); // Open File
 
    if (input_file.is_open() == 0) {                // Fail To Open File
        std::cout << "Error!" << std::endl;         // Print Error Message
        return 0;                                   // End The Program
    }
 
    std::string data;
    std::string line;
    
    while (std::getline(input_file,line)) {
        data += line + "\n";
    }
 
    for (int i = data.length() - 1; i >= 0; i--) {  // Start Loop From Behind Of Data
        std::cout << data[i];                       // Print Data
    }
 
    std::cout << "\n";                              // New Line
 
    input_file.close();                             // Close File
    return 0;
}
 
cs

· 위와 같이 char c → get(c) → data += c 대신 std::string line → std::getline(input_file, line) → data += line + "\n" 가능

** 파일의 맨 마지막에 "\n"이 없는 경우
    → getline으로 파일 데이터를 불러오면 각 줄마다 "\n"을 추가
    → "\n"이 없는 맨 마지막 줄도 "\n" 추가
    → 거꾸로 출력 시 파일과 달리 "\n"이 먼저 출력
∴ getchar 방법이 더 안전

** Assignment의 설명을 보면 "You are required to read a string from a file …"로 되어 있으므로 아래와 같이 작성 가능
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
#include <iostream>
#include <fstream>
#include <string>
 
int main() {
    std::ifstream input_file("/data/hw0/data.txt");     // Open File
 
    if (input_file.is_open() == 0) {                    // Fail To Open File
        std::cout << "Error!" << std::endl;             // Print Error Message
        return 0;                                       // End The Program
    }
 
    std::string data;                                   // Declare Variable To Store "input_file" Data
    std::getline(input_file, data);                     // Get A String From "input_file"
 
    for (int i = data.length() - 1; i >= 0; i--) {      // Start Loop From Behind Of Data
        std::cout << data[i];                           // Print Data
    }
 
    std::cout << "\n";                                  // New Line
 
    input_file.close();                                 // Close File
    return 0;
}
cs

· 파일에 한 줄의 문장 밖에 없기 때문에 while 구문 없이 getline을 통해 "data" 변수로 바로 받음

[Reference]

· HW0 - Test Server (MGP) - Yongjun Park

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Mini-NPU RTL] NN Reference Model

이미지
"NN Reference Model" 1. Neuron 단 1개의 Neuron만 존재하며 해당 Neuron이 가중합을 잘 구하고 활성화 함수를 제대로 통과시키는지 확인 → 28x28=784개의 입력 데이터와 784개의 가중치를 각각 곱한 후 ∑, 이후 활성화 함수를 통과시킨 뒤, 1개의 값 출력 → "test_data.txt"에서 데이터를 읽어 Neuron에 직접 넣음 → 가중치와 편향이 "w_1_0.mif", "b_1_0.mif"로부터 정적으로 고정되어 Load neuron_tb.sv) include.v) 공통 상수를 미리 정해두는 파일로, 숫자를 고치면 Network 깊이, Neuron 개수 등을 조절 ReLU.v) 공통 활성화 함수인 ReLU를 하드웨어로 구현한 코드 Sig_ROM.v) 공통 Sigmoid 함수 연산을 실시간으로 계산하지 않고  미리 계산된 결과값 을 메모리에서 꺼내 쓰는  LookUp Table  방식의 구현 Weight_Memory.v) 공통 가중치를 저장하는 메모리 장치로 가중치를 읽고 쓴다. Neuron.v) 공통 입력 데이터를 받아 가중치와 곱하고, 누적 한 후, 편향을 더하고, 활성화 함수를 거쳐 출력하는 연산 Unit 2. Network 수많은 Neuron이 합쳐진 전체 시스템의 데이터 흐름과 제어 Logic이 제대로 작동하는지 확인 → 28x28=784개의 입력 데이터가 30개의 Neuron에게 동시에 전달되면 784x30개의 가중치를 곱해 30개의 결과 출력     (첫 번째 입력이 1 Cycle에 서로 다른 30개의 가중치와 병렬 연산으로 곱해진다. ∴ 784 Cycle) → 30개의 입력이 다음 Layer의 20개 Neuron에 전달되어 30x20개의 가중치를 곱해 20개의 결과 출력 → 20개의 입력이 다음 Layer의 10개 Neuron에 전달되어 20x10개의 가중치를 곱해 10개의 결과 출력 → 10개의 출력은 입력 이미지 0~9의 점수를 나...
자세한 내용 보기

[Mini-NPU RTL] TPU (Study Paper)

이미지
"In-Datacenter Performance Analysis of a Tensor Processing Unit" 1. Introduction to Neural Networks   NN은 입력 값들의 가중 합에 비선형 함수(ex. max(0, value))를 적용하는 단순한 인공 뉴런에 기초한다.   ※ 가중합 : 입력 데이터에 중요도인 가중치 를 곱해서 더한다.   ※ 비선형 함수 : 계산된 합을 그대로 쓰지 않고 변형하는 함수(활성화 함수)   ※ max(0, value) : ReLU(Rectified Linear Unit) 함수이며, 음수면 0, 양수면 해당 값을 그대로 내보낸다.   NN은 계층(Layer) 으로 모이며, 한 계층의 출력은 다음 계층의 입력이 된다.   DNN(Deep Neural Networks) 은 NN에서 계층의 수가 많은 것 을 의미한다.   NN은 개발 단계인 Training(학습) 단계와 실전 단계인 Inference(추론) 단계가 있다.   개발자는 계층의 수 와 NN의 유형 을 선택하고, 학습 과정을 통해 가중치 를 결정한다.   학습이 끝난 후, 추론 단계에서는 소수점 아래 긴 자리까지 필요 없는 경우가 많다.   ∴ Quantization(양자화) 단계에서 단순한 정수( 8-bit )로 바꿔 용량↓ & 속도↑         → 8-bit 정수 곱셈 : 16-bit 부동소수점 곱셈보다 에너지 소모 6배↓ & 칩 면적 6배↓         → 8-bit 정수 덧셈 : 16-bit 부동소수점 덧셈보다 에너지 소모 13배↓ & 칩 면적 38배↓   NN의 유형은 3가지로 볼 수 있다.   ·  MLP(Multi-Layer Perceptrons) : 각 계층은 이전 계층의 모든 출력 값(Fully Conn...
자세한 내용 보기