maizer's blog

정말 오랜만에 쓰는 일기 영화 평론가 이동진은 말했다, 항상 기록하라고. 이제부터 다시 꾸준히 써보려고한다. 내 자신을 믿고, 항상 도전하는 마음으로 단단해지자! 어디서부터 얘기해야할까 KIDA에서의 목표는 서울에 안정적인 서울 생활 마련 그리고 나의 미래 찾기였다. 서울에 올라오면서 좋은 여자친구도 사귀... Read More

Test Read More

test Read More

🌟 부사구(Adverbial Phrase)의 7대 종류 1) 시간 부사구 (Adverbial of Time) 언제? 언제부터? 얼마나 오래? 주요 형태 ✔ 부사: today, yesterday, soon ✔ 명사구: last year, this morning ✔ 전치사구: at 5 p.m.,... Read More

📚 공부 주제: 유한 요소법 기초 1. FEM(유한 요소법) 이란? FEM, 유한요소법은 복잡한 공학 및 무리 문제를 컴퓨터를 이용해 수치적으로 해결하는 강력한 해석 기법이다. 눈에 보이지 않는 힘의 작용, 열의 이동, 유체의 흐름 등 어려운 미분방정식으로 표현되는 현상들을 눈으로 확인 가능한 형태로... Read More

📚 공부 주제: 유한 요소법 기초 1. FEM(유한 요소법) 이란? FEM, 유한요소법은 복잡한 공학 및 무리 문제를 컴퓨터를 이용해 수치적으로 해결하는 강력한 해석 기법이다. 눈에 보이지 않는 힘의 작용, 열의 이동, 유체의 흐름 등 어려운 미분방정식으로 표현되는 현상들을 눈으로 확인 가능한 형태로 ... Read More

인생은 고속도로 위 자동차 인생은 고속도로 위의 자동차와 같다. 익숙한 듯 앞으로 뻗어 있는 길을 따라가다 보면, 반대편에 스쳐 지나가는 수많은 과거와 마주한다. 그 찰나에 나는 과거에 빨려 들어가듯, 그때의 그 감정과 기억을 회상한다. 돌이킬 수 없는 그때를 후회하지만, 나는 다시 현재로 돌아와, 앞... Read More

Background 패턴 분류(Pattern Classification) : 이진 분류(Binary Classification) : 혼합정수 선형계획법(MILP: Mixed Integer and Linear Programming) : 수리계획법(Mathematical Pr... Read More

Quick note # Docker host (like window) ssh-keygen ~ # Ssh personal key move to container docker cp ../.ssh/[key_name] [container_name]:~/.ssh/[key_name] #... Read More

개요 주어진 문제를 수학적으로 모델링하고, 그 문제에 대해 최적의 해결책을 찾는 과정임 “최적”이란, 주어진 조건과 제약을 만족하는 최고의 결과를 의미함 수학적 기법을 사용하여 최소화나 최대화 문제를 해결하는 데 집중함 Read More

1. ob- (반대하여, 대항하여, 완전히) 의미: 대립, 저항, 완전한 상태를 나타냄. 예시: obstruct: 방해하다 (ob- + struct(세우다)) obstacle: 장애물 obvious: 명백한 (ob- + via(길) → 길 위... Read More

← 이전 글로 　 다음 글로 → 이번주는 추웠던 저번주와 다르게 갑자기 따뜻해 진, 한 주였다. 그에 따라 나는 코감기에 걸리게 되어 몸이 안좋았다. 저번주 일교차가 큼에도 마스크를 착용하지 않고 자전거를 탔던게 화일 것 같다. 그래도 거의 다 나았다고 생각했음에도 주말까지 계속 몸이 안좋았다. 그래도 센터 ... Read More

← 이전 글로 　 다음 글로 → 연구실 실회의에서 내 업무에 관한 비판적인 의견이 제시되었다. 나 또한 입사와 동시해 고민했던 부분들 이였음에도, 실장님께서는 쉬운 방향으로 운영하길 원하셔서 마음이 편하다. 나의 채용을 담당했던 인사실 담당자와 점심을 먹었다. 챙겨주시는 모습이 고마웠던 한편, 비싼 점심... Read More

← 이전 글로 　 다음 글로 → 연구실의 최종 토론회가 마무리 됨에 따라, 연구실의 분위기가 안정화 되었다. 덤으로 나에게도 온전히 내 업무에만 집중 할 수 있는 환경이 만들어 졌다. 동기분들과 친해지고 점심과 운동시간에 함께 이야기 할 수 있는 동료가 생겨 동료를 단순히 스트레스 해소용으로 대하는건 절 때 아니지만, 회... Read More

← 이전 글로 　 다음 글로 → 과제 마무리 일정이 다가오자 다양한 보조 업무들을 시작하였고 ppt 작성과 한글 파일 작성등 보조적인 업무를 진행하였다. 일정이 매우 타이트하여 목요일까지 야근을 했다. 덕분에 다음주는 일찍 퇴근 할 수 있지만.. 과제가 마무리 되지 않았는데 일찍 퇴근 할 수 있을까? 이번주는 ... Read More

← 이전 글로 　 다음 글로 → KIDA에서의 셋째주, 선임님과 업무 회의를 자주하게 되었다. 고정적인 업무 분담도 받았다. 연구실 사람들은 지금 과제 마무리중이라 많이 바쁘다. 연구실에서 책도 구매하고 사무용품들도 구매하여 업무에 집중할 수 있는 환경은 완성 됐다. 이제 업무만 완벽히 이해하면 잘 될 것 ... Read More

PapersWithCode NLP Year Key name Thesis Translation Analysis None None None ... Read More

← 이전 글로 　 다음 글로 → KIDA에서의 둘째주, 인수인계를 받았고, 유연근무제를 사용할 수 있게되었다. ETRI에서 학연학생은 유연근무제가 적용되지 않아 불편했지만 이제 유연근무제를 사용할 수 있는 위치에 서게 되었다. 하지만 직장과 집이 멀어서 출 퇴근에 큰 피로감을 느끼고 있다. 서울에서 출퇴근이... Read More

다음 글로 → 석사를 졸업하고 정말 많은 일이 있었다. 졸업하던 2월만 하더라도 정말 행복했고, 사랑하는 사람들의 기대에 보답하고자 스스로에게 약속을 했다. 어디서부터 잘못된걸까.. 3월, 영어학원 4월, 첫 자취 시작 5월, ETRI 석사후 지원 그리고 탈락 6월, 영어 공부 7월, KIDA 위촉... Read More

← 이전 글로 ``` 2022년 7월을 마지막으로 글을 안썼다는게 믿기지가 않는다. 참 많은 일이 있었고 아쉬운 순간도 많았었는데, 여전히 지금도 아쉬운 순간의 연속이다. 탑 티어 논문 하나 작성 못하고 졸업하는 내 자신에게 참 슬프기도 하고, 학연학생의 한계를 뼈저리게 느끼는 순간이기도 하다. 더 성장할 수 있는 좋... Read More

CV Paper List 3D Neural Field Generation using Triplane Diffusion Abstract 본 논문은 3D-aware generation of neural fiels에 Diffusion 모델을 적용시킨다. 3D-aware generatio... Read More

Variational AutoEncoder[2] Variational AutoEncoder란? AutoEncoderAE와 동일하게 입력 데이터를 재현(복원)한다. 하지만 AE는 입력 데이터를 Encoder를 통해 Latent vector로 만드는... Read More

AutoEncoder란? 입력 데이터의 특성을 추출하여 입력 데이터와 비슷한 데이터를 재현(복원)한다. AutoEncoder 추상화[2] AutoEncoder 특징 UnSupervised Learning 입력값 $x$을 label로 사용하여 label을 필요... Read More

Manifold 시각화[1] Manifold란? 매니폴드(Manifold)는 간단히 말해서, 데이터가 분포하는 저차원의 구조를 나타냅니다. 일반적인 데이터는 고차원 공간에서 표현되지만, 데이터가 생성되거나 분포되는 과정에서 내재된 저차원의 구조가 존재할 수 있다. 이렇게 데이터가 내재된 저차... Read More

CV Paper List Improved Techniques for Training Score-Based Generative Models Abstract 데이터 분포의 점수 매칭을 통해 추정된 기울기를 사용하여 랑주뱅 동역학Langevin dynamics을 통해 샘플을 생성하는 새로운 생성 모델을 소개한다.... Read More

CV Paper List Denoising Diffusion Probabilistic Models 1. Introduction DPM은 고품질 샘플을 생성할 수 없다. DDPM 모델은 고품질 샘플을 생성하고, 다른 유형의 생성 모델보다 더 나은 결과를 얻음을 보여준다. Read More

CV Paper List Deep Unsupervised Learning using Nonequilibrium Thermodynamics Abstract 기계학습에서 복잡한 데이터셋을 모델링하기 위해서는 고도로 유연한 확률 분포 수식을 사용해야한다. 본 논문은 비평형 통계 물리학Nonequili... Read More

CV Paper List Frido: Feature Pyramid Diffusion for Complex Scene Image Synthesis Abstract 기존의 Diffusion 모델들은 high-quality image synthesis에서 높은 성능을 보여주었다. 하지만 이미지에 크기... Read More

CV Paper List Rich feature hierarchies for accurate object detection and semantic segmentation Abstract region proposals과 CNN을 결합하여 object detection network인 R-CNN을 ... Read More

CV Paper List Feature Pyramid Networks for Object Detection Abstract Feature pyramids는 다양한 scale의 objects를 감지하는 방법론이다. 본 논문은 CNN을 적용하여 multi-scale pytamid 구조인, Fe... Read More

Error message $ pip install git+https://github.com/openai/CLIP.git Collecting git+https://github.com/openai/CLIP.git Cloning https://github.com/openai/CL... Read More

CV Paper List Abstract DiffFashion논문은 Diffusion을 사용한 style transfer 논문이다. style transfer는 content와 style를 입력으로 받아 content의 구조는 유지하면서 style의 스타일을 전송하는(입히는) 연구이다. ... Read More

CV Paper List DiffFashion: Reference-based Fashion Design with Structure-aware Transfer by Diffusion Models Abstract Image-based fashion design with AI techniques h... Read More

Chapter 08) to부정사구 Section 01) 내부 구조 Point 1) to부정사 = to + 동사 원형 to부정사는 전치사 to와 동사 원형 조합으로 이뤄져있다. to부정사는 동사의 성질을 가져 뒤에 동사의 목적어인 명사, 형용사가 올 수 있다. to부정사의 역사적 배경 ... Read More

책에는 없는 내용들 Chapter 5, 6에서 배운 명사구 형용사구는 어구가 붙지 않고 구만 붙는데 Chapter 7에서는 부사어구라고 말할까? 어구와 구의 차며 구 구는 문법적으로 어구라고 쓰이지만 어구와는 차이가 있다. ... Read More

Chapter 06) 형용사구 Section 01) 수식 기능 Point 1) 형용사와 형용사구 형용사는 명사를 꾸며주는 품사이다. 형용사절은 형용사를 핵으로 형용사가 붙거나 전치사절이 올 수 있다. Point 2) 명사 앞에서 수식 형용사 하나만 사용할 경우 대부분 명사 앞에서 명사를 꾸며준다. ... Read More

Chapter 05) 명사구의 대용 Section 01) 대용이란? Point 1) 선행사와 대용 두 문장 혹은 한 문장 속에서 이미 사용된 명사나 명사구를 다시 사용할 때, 대명사와 같은 더 간단한 요소가 그것을 대신한다. 먼저 사용되 명사구를 선행사라 하고 이를 대신하는 요소를 대용이라 한다. Po... Read More

Chapter 04) 명사구 Section 01) 명사구의 내부 구조 Point 1) 핵과 선택 요소 명사는 주어, 목적어, 보어로 사용되며, 핵 역할을 하는 명사를 중심으로 앞뒤에 문법적 요소가 추가되어 이뤄져 명사구가 된다. Point 2) 명사구의 확장 명사구에 수식어를 더해주면 명사구를 더욱... Read More

Chapter 03) 시제와 조동사 Section 01) 현재시제, 과거시제, 미래 표현 Point 1) 현재시제 동사의 시제 중 현재시제는 현재의 상태를 설명하는 동사시제이다. 현재시제의 형태 be동사 be동사원형 ... Read More

Chapter 02) 동사구 Section 01) 동사의 성질 Point 1) 본동사 본동사 본동사란 동작이나 상태 등의 의미를 나타낸다. 조동사는 본동사의 문법적 보조 역할을 한다. Point 2) 동사: 술어의 핵 술어부의 가장 중요한 핵은 동사이... Read More

Chapter 01) 문장의 기본 요소 Section 01) 주어와 술어 Point 1) 문장 = 주어 + 술어 문장 주어부 문장의 주체로서 술어부를 행하는 대상 술어부 ... Read More

lilianweng.github.io - What are Diffusion Models? So far, I’ve written about three types of generative models, GAN, VAE, and Flow-based models. They have shown great... Read More

chpater 9) 전치사 추가 37) 유사 전치사 비교 for 정확한 기간의 길이 숫자 앞에 온다 during 특정 기간 by 그 시점 until ... Read More

chpater 10) 관계대명사 추가 39) 관계대명사와 전치사 관계대명사가 전치사의 목적어로 쓰이는 경우 관계대명사는 두 문장에서 중복으로 사용되는 명사를 줄이면서 두 문장을 연결하기 위한 도구이다. The company. + John works for the company i... Read More

벡터나 행렬의 크기를 나타내는 노름(norm)은 벡터나 행렬의 크기나 길이를 측정하는 함수로, 다양한 종류가 있습니다. 벡터의 노름을 구하는 방법에는 다음과 같은 것들이 있습니다. $L_1$ 노름: 벡터의 각 요소의 절댓값을 더한 값입니다. 수식으로는 $\Vert x \Vert_{1} = \sum_i \vert... Read More

chpater 8) 접속사 $\cdot$ 비교 추가 30) and, or, but 심화 등위접속사의 사용방법 명령문 + and/or Study hard, and ~ (= If you study hard, ~) ... Read More

CV Paper List Person Image Synthesis via Denoising Diffusion Model Abstract The pose-guided person image generation task requires synthesizing photorealistic images ... Read More

chpater 7) v-ing, v-ed 추가 25) 동사의 목적어로 쓰인 부정사, 동명사 비교 동사에 따라 목적어에 쓰이는 명사(to 부정사, 동명사)가 다르다. to부정사 전치사 to와 같이 앞으로의 할 일, 계획, 의도, 기대등을 나타내는 동사를 사용한다.... Read More

Chpater 6 to-v (to부정사) 추가 21) to부정사의 의미상 주어 to부정사 전치사 to와 명사가 붙어 명사, 형용사, 부사로 쓰인다. 부정사란 정해지지 않은 용법이라는 뜻이다. 명사적 용법 ... Read More

CV Paper List Analyzing and Improving the Image Quality of StyleGAN Abstract The style-based GAN architecture (StyleGAN) yields state-of-the-art results in data-... Read More

Chpater 5 동사의 형태 2(수동태, 조동사) 추가 17) 수동태와 전치사 수동태는 상대방의 의해서 행해지는 동작을 뜻한다. 기본적으로 수동태는 행하는 대상에 대한 표현을 전치사 by를 통해 설명해준다. 하지만 수동태 문장에서 누가 했는지에 관심을 두지 않고 다른 내용을 중요... Read More

Chpater 4 동사의 형태 1(시제) 추가 15) 현재완료 진행형 현재완료 + 진행형? 현재완료 S + have/has + V(p.p.) + ~ v했다. 현재 진행형 ... Read More

Chpater 3 문장의 종류 추가 11) 주의할 부정 표현 준부정어 완전한 부정이 아닌 거의, 대부분같이 대부분을 부정하는 경우 few: (수가)거의 없는 little: (양이)거의 없는 hardly: ... Read More

Chpater 2 문장 패턴 추가 9) 같은 동사, 다른 패턴 동사는 문장 형식에 따라 해석이 달라진다. 따라서 문장 형식을 잘 파악할 필요가 있다. 추가 10) 자동사, 타동사의 혼동 (‘~을/를’의 함점) 목적어를 필요로 하는 동사와 필요 하지 않는 동사가 있다. 이를 자동사(i... Read More

Chpater 1 문장과 어순 추가 1) Spelling Rules A(n) 모음 앞에 an, 그 외에는 a 한정사의 부정관사 a(an)은 명사가 자체에 대한 한정사가 아닌 바로 뒤에오는 단어라, 수식어구가 붙으면 바뀔 수 있다. ... Read More

명쾌한 개념) 구체적인 설명의 신호 명사를 구체화 해주는 것들 형용구 단어 하나일 때 명사 앞 단어가 두개 이상인 구일 때 ... Read More

CV Paper List HumanDiffusion: a Coarse-to-Fine Alignment Diffusion Framework for Controllable Text-Driven Person Image Generation Abstract Text-driven person i... Read More

CV Paper List PASTA-GAN++: A Versatile Framework for High-Resolution Unpaired Virtual Try-on Abstract Image-based virtual try-on is one of the most promising applic... Read More

명쾌한 개념) ‘전치사+명사’ 덩어리 전치사 전치사의 위치 명사/대명사 앞(전치사의 목적어) 장소, 시간등의 의미를 나타낸다. 전치사는 명사/대명... Read More

Abstract Training state-of-the-art, deep neural networks is computationally expensive. 최첨단 심층 신경망을 훈련하는 것은 계산 비용이 많이 든다. One way to reduce the training t... Read More

명쾌한 개념) 주어, 동사 + 접속사 + 주어, 동사 문장을 이어주는 접속사 문장(S+V(+O+C))과 문장을 연결하기 위해서는 접속사가 필요하다. 절 접속사로 연결하는 문장을 절이라 한다. ... Read More

관련 개념) 복합 명사 두개 이상의 단어(모든 품사)가 합쳐져 하나의 뜻을 가진 명사가 된다. 복합 명사의 종류 명사 + 명사 명사 + 형용사 명사 + 동사 ... Read More

명쾌한 개념) to V의 역할과 의미 to + V(r.v.) 동사가 아닌 다른 품사의 역할을 한다. 명사, 형용사, 부사 동사로서 가질 수 있는 문장 성분(실제 문장 성분이 아닌 to부정사가 ... Read More

명쾌한 개념) 태와 조동사 이해 능동 직접하는것 동사를 그대로 쓰면 능동 S + V + ~. I love her. I ask somethin... Read More

Abstract Training Deep Neural Networks is complicated by the fact that the distribution of each layer’s inputs changes during training, as the parameters of the pr... Read More

CV Paper List High-Resolution Image Synthesis with Latent Diffusion Models Abstract By decomposing the image formation process into a sequential application of ... Read More

명쾌한 개념) 동사에 표시하는 시간 시제 문장의 시간 표현 동사를 통해 문장의 시간을 표현한다. 시제의 종류 현재 단순 ... Read More

UNIT 12) be동사의 부정문과 의문문 be 동사 일반 문장 S + beV + O/C + ~. I am Batman. I am wearing clothes. etc. ... Read More

UNIT 7) 목적어와 문형 1 (주어+동사/주어+동사+목적어) 자동사 목적어가 필요없는 동사를 의미한다. S + V / S + V + C와 같은 형식이 가능하다. 단어 열기/접기 * rise * stay * ha... Read More

명쾌한 개념 8(9)품사 명사 단어 자체, 이름을 나타내는 말 단어 열기/접기 * nature * health * animal * etc. ... Read More

UNIT 35) 주어, 동사 + 접속사 + 주어, 동사 문장은 주어 + 동사가 필수로 포함된다. 문장의 구성 절 He is handsome. 절 + 접속사 + 절 ... Read More

UNIT 28) be V-ed (수동태) 수동태 동작을 당하거나 받을 때 사용 be pp(과거분사) beV 현재(am/are/is): ~V 되다, 받다, 당하다. ... Read More

UNIT 25) 현재시제, 현재진행형 시제란 언제 어떻게 일어나는지를 표현한 것이다. 현재시제(단순 현재) 현재의 일을 말할 때 사용 현재의 상태, 일반적 사실, 습관적인 일을 표현 동사의 형태 ... Read More

UNIT 22) 의문사 be 주어 의문사란 궁금한 내용을 물어볼 때 사용하는 말. 의문사 who(누가) when(언제) where(어디서) what(무엇을) how(어떻게) why(왜) ... Read More

UNIT 19) be동사의 부정문, 의문문 be동사의 부정문 S + beV + not + ~ be동사의 의문문 질문) beV + S + ~ 대답) Yes/No, S(상대방의 주어) + beV(n’t) UNIT 20)... Read More

준동사란? 동사를 기준으로 만든 문법 준동사 to부정사: to-V 동명사: V-ing 분사: V-ing, / p.p. UNIT 31) to-v: v하는 것, v하기 to-V : 명사, 부사, 형용사 to부정... Read More

UNIT 15) 주어 + 동사 문장의 1형식 S + V(자동사) (+ A[부사어구]) 자동사는 목적어가 없는 동사 1형식 문장에서 부사어구가 추가되면 문장이 좀 더 완벽해진다. UNIT 16) 주어 + 동사 + 목적... Read More

UNIT 11) 동사의 현재형 주어가 3인칭 + 단수 일 경우 동사에 -s/es/ies.. 를 붙여준다. -s, -sh, -ch, -x로 끝나는 동사, 동사의 마지막 발음이 s로 끝나는 경우 es를 붙인다. ... Read More

UNIT 8) 주어 + be + 명사/형용사 be동사 다음에는 명사 혹은 형용사가 온다. be동사의 종류 단수 am, is, was(과거) 복수 are, w... Read More

8품사 단어의 성질에 따라서 8가지로 나눈 것. 명사이름을 담당하는 말 대명사명사를 대신하는 말 동사주어가 하는 행위를 나타내는 말 형용사명사를 서술하거나 명사를 수식하는 말 부사명사를 제외한 나머지 품사를 수식하는 말 전치사명사 앞에 위치하여 명사를 수식어로 만드는... Read More

UNIT 1) 명사의 사용 1: 명사와 수 가산(셀 수 있는)명사 단수(단 하나) a(an) 명사 명사의 첫 글자 발음이 a, e, i, o, u일 경우 명사 앞에 an을 붙인다. ... Read More

CV Paper List Shape Matching and Object Recognition Using Shape Contexts Serge Belongie, Member, IEEE, Jitendra Malik, Member, IEEE, and Jan Puzicha Abstract We prese... Read More

CV Paper List Towards Scalable Unpaired Virtual Try-On via Patch-Routed Spatially-Adaptive GAN Zhenyu Xie1, Zaiyu Huang1, Fuwei Zhao1, Haoye Dong1 Michael Kampffmeyer2, Xi... Read More

Pillow (width, hight, channel) Numpy (hight, width, channel) Torch (channel, hight, width) Read More

Problem DDP를 사용하여 훈련 중 “RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation”와 같은 런타임 에러가 발생했다. 이전 싱글 GPU로 훈련을 진... Read More

Problem Multi GPU를 사용하기 위해 파이토치 nn.DataParallel()을 사용하였지만, 명시한 GPU가 100% 풀 로드하고 있음에도 Optimizer.step()에서 다음으로 넘어가지 않는 현상이 발생하였다. 최근까지 문제를 해결하지 못했지만, pytorch discuss에 비슷한 사... Read More

PyTorch - torch.distributed NOTE Please refer to PyTorch Distributed Overview for a brief introduction to all features rel... Read More

PyTorch - torch.exp[1] torch.exp(torch.tensor([1, 2, 3], [4, 5, 6])) # tensor([e^1, e^2, e^3], [e^4, e^5, e^6]) explain Returns a new tensor with the exponenti... Read More

PyTorch - torch.div[1] x = torch.tensor([ 0.3810, 1.2774, -0.2972, -0.3719, 0.4637]) torch.div(x, 0.5) # tensor([ 0.7620, 2.5548, -0.5944, -0.7438, 0.9274]) a = to... Read More

PyTorch - torch.bmm[1] input = torch.randn(10, 3, 4) mat2 = torch.randn(10, 4, 5) res = torch.bmm(input, mat2) res.size() # torch.Size([10, 3, 5]) explain Performs a ... Read More

Pytorch - torchvision.utils.make_grid[1] torchvision.utils.make_grid( tensor: Union[Tensor, List[Tensor]], nrow: int = 8, padding: int = 2, normalize: boo... Read More

PyTorch - torch.pow[1] a = torch.randn(4) # tensor([ 0.4331, 1.2475, 0.6834, -0.2791]) torch.pow(a, 2) # tensor([ 0.1875, 1.5561, 0.4670, 0.0779]) exp = torch.arange(... Read More

PyTorch - torch.nn.ReflectionPad2d[1] torch.nn.ReflectionPad2d( padding: Tuple[int, int, int, int] # Tuple[left, right, top, bottom] ) m = torch.nn.Reflection... Read More

PyTorch - torch.nn.InstanceNorm2d[1] torch.nn.InstanceNorm2d( num_features: int, eps: float = 1e-5, momentum: float = 0.1, affine: bool = False, track... Read More

Normalization Literature List Instance Normalization: The Missing Ingredient for Fast Stylization https://arxiv.org/abs/1607.08022 Read More

현재 위치에서 파일의 개수 세기 ls -l | grep ^- | wc -l 현재 디렉토리의 하위 파일 개수 세기 find . -type f | wc -l Reference https://lee-mandu.tistory.com/420 Read More

python-pillow - Issues Error message ... The headers or library files could not be found for zlib, a required dependency when compiling Pillow from source. Solution p... Read More

mmfashion - Issues Error message W: GPG error: https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 InRelease: The following signatures could... Read More

PASTA-GAN-plusplus - Issues /opt/conda/lib/python3.8/site-packages/torch/nn/functional.py:3103: UserWarning: The default behavior for interpolate/upsample with f... Read More

PASTA-GAN-plusplus - Issues Error message warnings.warn('Failed to build CUDA kernels for upfirdn2d. Falling back to slow reference implementation. Detail... Read More

Numpy - numpy.transpose numpy.transpose(a, axes=None) Explain For an array a with two axes, transpose(a) gives the matrix transpose. 축이 두 개인 배열 a(2차원 행렬)의 경우 transpose(a)는 행렬 변환(transpose... Read More

Pytorch - torchvision.transforms.RandomResizedCrop[1] torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ... Read More

Pytorch - torchvision.transforms.RandomHorizontalFlip[1] torchvision.transforms.RandomHorizontalFlip(p=0.5) explain Horizontally flip the given image randomly wi... Read More

PyTorch Docs translation Module Class Translation Link transforms RandomResizedCrop Torchv... Read More

PyTorch Docs translation[1] Module Link PyTorch PyTorch Translation Torchvision Torch... Read More

PyTorch Docs translation Module Class Translation Link torch BMM PyTorch bmm() ... Read More

Server SPEC OS/Version CPU GPU/Version Ubuntu-server/20.04 Intel(R) Xeon(R) Silver 4110 CPU NVID... Read More

Server SPEC OS/Version CPU GPU/Version Ubuntu-server/20.04 AMD Ryzen Threadripper PRO 5955WX A6... Read More

Source of code deepfashion2_to_coco.py Intro Read More

ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory # ImportError: libgthread-2.0.so.0: cannot open shared object file: No su... Read More

ImportError: libGL.so.1: cannot open shared object file: No such file or directory # ImportError: libGL.so.1: cannot open shared object file: No such file or directory ... Read More

Server SPEC OS/Version CPU GPU/Version Ubuntu-server/20.04 AMD Ryzen Threadripper PRO 5955WX ... Read More

Server SPEC OS/Version CPU GPU/Version Ubuntu-server/20.04 AMD Ryzen Threadripper PRO 5955WX A6... Read More

오른쪽 끝에 숫자 매겨짐 입력 $$ \begin{align} &a=1+2+3 \\ &b=1+2+3 \\ \end{align} $$ 출력 \[\begin{align} &a=1+2+3 \\ &b=1+2+3 \\ \end{align}\] 숫자 없음... Read More

CV Paper List \(\begin{align*}&\mathbf{Towards\;Scalable\;Unpaired\;Virtual\;Try-On\;via\;Patch-Routed\;Spatially-Adaptive\;GAN}\end{align*}\) \(\begin... Read More

CV Paper List \(\mathbf{VITON-GAN:Virtual\;Try-on\;Image\;Generator\;Trained\;with\;Adversarial\;Loss}\) \(\mathbf{Shion\;Honda}\) \(\mathbf{The\;University\;of\;Tokyo}... Read More

CV Paper List \(\mathbf{VITON:\;An\;Image-based\;Virtual\;Try-on\;Network}\) \(\mathbf{Bochao\;Wang,\;Huabin\;Zheng,\;Xiaodan\;Liang,\;Yimin\;Chen,\;Liang}\) \(\mathbf{Xi... Read More

Read More

apt-get update && apt-get -y upgrade && apt-get install -y wget git vim build-essential net-tools wget https://repo.anaconda.com/minic... Read More

conda create --name torch040 -y python=3.6 pytorch=0.4.0 torchvision cuda90 cudatoolkit=9.0 tensorboardX -c pytorch conda activate torch040 Read More

When 실수로 nvidia-docker를 삭제하게 되었고 재설치하는 과정에서 apt-get update가 되지 않게 되었다. maizer@maizerworkstation:~$ sudo apt-get update E: Conflicting values set for option ... Read More

RuntimeError: DataLoader worker (pid 13881) is killed by signal: Bus error docker run -i -t --gpus all --shm-size=32gb --name torch040 ubuntu:18.04 Read More

When 이더넷 포트가 3개 있는 워크스테이션에 Ubuntu-server을 설치 하였고 재부팅 시 “A start job is running for wait for network to be configured.”가 발생하여 3분 이상 기다려야되는 상황이 발생하였다. How to so... Read More

CV Paper List \(\mathbf{Toward\;Characteristic-Preserving\;Image-based\;Virtual\;Try-On\;Network}\) \(\mathbf{Bochao\;Wang,\;Huabin\;Zheng,\;Xiaodan\;Liang,\;Yimin\;Chen,... Read More

sudo apt-get install gzip Usage: tar [OPTION...] [FILE]... GNU 'tar' saves many files together into a single tape or disk archive, and can restore individual files fro... Read More

sudo apt-get install gzip Usage: gzip [OPTION]... [FILE]... Compress or uncompress FILEs (by default, compress FILES in-place). Mandatory arguments to long opti... Read More

CV Paper List \(\mathbf{Controllable\;Person\;Image\;Synthesis\;with\;Attribute-Decomposed\;GAN}\) \(\mathbf{Yifang\;Men,\;Yiming\;Mao,\;Yuning\;Jiang,\;Wei-Ying\;Ma,\;Zh... Read More

Move host file to container docker cp [host file location] [container name]:[container location] Move container file to host docker cp [container name]:[conta... Read More

sudo apt install zip unzip unzip "filename" # Example ## Extract on current directory unzip "filename" ## Extract on designated directory unzip "filename" -d ... Read More

what is .tar[1] 하나로 묶기 위한 파일 형식 실제로 압축은 이뤄지지 않는다. 초기에는 테입 백업 목적으로, 순차적 입출력 장치에 직접 쓰도록 개발되었으나, 현재는, 배포 또는 아카이브 용도로 많은 파일을 디렉토리 구조, 파일 속성들을 보존하면서 하나의 큰 파일로 묶는 데 주로 사용된다. what... Read More

Situation When I send DataSet file on windows to Ubuntu-server using FTP service. Error log ... 200 PORT command successful. Consider using PASV. 550 Permiss... Read More

sudo apt install p7zip p7zip-full 7za <command> [<switches>...] <archive_name> [<file_names>...] [<@listfiles...>] Example ... Read More

pip3 install ipykernel python -m ipykernel install --user --name [virtualEnv] --display-name "[displayKenrelName]" Read More

주의 저장소에 따라 설치가 되고 안되는게 존재함. 속도 차이가 매우크지 않으니 굳이 저장소 변경하지 않는걸 추천함 Setting[1] sudo vi /etc/apt/sources.list # Change every context to next line # See http://h... Read More

apt-get update Package list update, not upgrade Package. apt-get upgrade Package list upgrade. not check dependency. apt-get dist-upgrade[1] Upgrade the pa... Read More

사건의 발생 어제 CuDNN 정상 설치 확인 후 docker container의 pytorch에서 gpu사용이 안되는 것을 확인했다. device = "cuda" if torch.cuda.is_available() else "cpu" print(f"Using {device} device") ... Read More

참고 도커를 사용하는 경우 CUDA 및 CuDNN 설치가 필수가 아닙니다. 도커를 사용하여 설치하고 환경 구성에서 시간을 절약합시다. Error messege $ sudo dpkg -i cudnn-local-repo-ubuntu2004-8.4.1.50_1.0-1_amd64.d... Read More

← 이전 글로 　 다음 글로 → 7월 계획 - 논문 - Fashion 논문 정리 - ADGAN - DataSet 논문 정리 - StyleGAN v1, v2 논문 리뷰 - StarGAN v1, v2 논문 리뷰 - 구현 - DataSet Import 및 사용할 수 있도록 가공 - D... Read More

https://may0301.tistory.com/10 Read More

When 7z 포멧으로 압축된 파일을 푸는 과정에서 에러가 발생함 (base) root@f129439cd489:~/DataSet# 7zr x Fashion-data.7z 7-Zip (a) [64] 16.02 : Copyright (c) 1999-2016 Igor Pavlov : 2016-05-21 p7z... Read More

$\mathbf{1.\;Introduce}$ nn_tutorial/mnist-data-setup When Firstly Analyze the MINST Dataset, Read More

CV Paper List \(\mathbf{StarGAN:\;Unified\;Generative\;Adversarial\;Networks}\) \(\mathbf{for\;Multi-Domain\;Image-to-Image\;Translation}\) \(\mathbf{Yunjey Choi,\;Minje... Read More

When 윈도우 -> 우분투 파일 옮기면 서버 꺼짐 우분투 -> 도커 내부 컨테이너 파일 옮기면 에러 발생 Kernel panic error Message from syslogd@maizer-works... Read More

CV Paper List \(\mathbf{StarGAN:\;Unified\;Generative\;Adversarial\;Networks}\) \(\mathbf{for\;Multi-Domain\;Image-to-Image\;Translation}\) \(\mathbf{Yunjey Choi,\;Minje... Read More

CV Paper List \(\mathbf{Arbitrary\;Style\;Transfer\;in\;Real-time\;with\;Adaptive\;Instance\;Normalization}\) \(\mathbf{Xun\;Huang,\;Serge\;Belongie}\) \(\mathbf{Niloy\;J... Read More

← 이전 글로 　 다음 글로 → 이전글을 기준으로 지금까지 공부를 거의 못했다. 회사에서 구매해주신 워크스테이션이 말썽이다 우분투 설치하면 자꾸 화면이 안나온다. 초반에는 도커 설치가 안돼서 재설치 했다. 근데 화면이 안나오고 자꾸 GNU GRUP으로 들어간다. 그러다가 이젠 화면이 켜지지 않는다.. GN... Read More

OS OS_version GPU Drvier Ubuntu Server 20.04 RTX A6000 515.48.07 Ubunt... Read More

← 이전 글로 　 다음 글로 → 06/28 ~ 07/01 제주도 갔다옴 06/28(화) 연구실 연구원분의 차를 얻어타고 청주공항에 갔다. 공항에서 내가 전역한 29전대가 보여서 방가웠다. 제주공항에 도착하고 찜질방을 찾아봤는데 분명히 24시가 있었던거 같은데 찾으니까 전부 10시 마감이라 급하게 아고다 어플에서... Read More

CV Paper List \(\mathbf{InsetGAN\;for\;Full-Body\;Image\;Generation}\) \(\mathbf{Anna\;Fruhstuck,\;Krishna\;Kumar\;Singh,\;Eli Shechtman}\) \(\mathbf{Niloy\;J.\;Mitra,\;P... Read More

CV Paper List \(\mathbf{StackGAN:\;Text\;to\;Photo-realistic\;Image\;Synthesis}\) \(\mathbf{with\;Stacked\;Generative\;Adversarial\;Networks}\) \(\mathbf{Han\;Zhang,\;Ta... Read More

CV Paper List \(\mathbf{A\;LEARNED\;REPRESENTATION\;FOR\;ARTISTIC\;STYLE}\) \(\mathbf{Vincent\;Dumoulin\;,\;Jonathon\;Shlens,\;Manjunath\;Kudlur}\) $\mathbf{Abstract}$ ... Read More

CV Paper List \(\mathbf{Emergence\;of\;Invariance\;and\;Disentanglement\;in\;Deep\;Representations}\) \(\mathbf{Alessandro\;chille,\;Stefano\;Soatto}\) $\mathbf{Abstra... Read More

CV Paper List \(\mathbf{A\;Large-Scale\;Study\;on\;Regularization\;and\;Normalization\;in\;GANs}\) \(\mathbf{Karol\;Kurach,\;Mario\;Lucic\;,\;Xiaohua\;Zhai,\;Marcin\;Mic... Read More

CV Paper List \(\mathbf{A\;Style-Based\;Generator\;Architecture\;for\;Generative\;Adversarial\;Networks}\) $\mathbf{Abstract}$ We propose an alternative generator arch... Read More

← 이전 글로 　 다음 글로 → 거의 한달만에 쓰는 글인거 같다정 이전 글의 5월 18일부터 오늘까지 Coursera GAN 강의 수강중이다. 아직도 듣고있다. 읽어야되는 논문이 엄청 많다. 2 in 1 Notebook인 Surface Pro ... Read More

본 글은 chat-GPT를 통해 얻은 답변입니다. Markov Chain 마르코프 체인(Markov chain)은 시간에 따라 변화하는 상태를 확률적으로 모델링하는 방법 중 하나입니다. 이는 시간이 연속적으로 흐르는 시계열 데이터를 확률적으로 모델링할 때 자주 사용되며, 다양한 분야에서 활용됩니다. ... Read More

CV Paper List $$\mathbf{PROGRESSIVE\;GROWING\;OF\;GANS\;FOR\;IMPROVED}$$ $$\mathbf{QUALITY,\;STABILITY,\;AND\;VARIATION}\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;$$ ... Read More

CV Paper List $$\mathbf{Precomputed\;Real-Time\;Texture\;Synthesis\;with}$$ $$\mathbf{Markovian\;Generative\;Adversarial\;Networks}$$ \(\mathbf{Abstract}\) This paper ... Read More

CV Paper List $$\mathbf{Semi-Supervised\;Learning\;with\;Generative\;Adversarial\;Networks}$$ \(\mathbf{Abstract}\) We extend Generative Adversarial Networks (GANs) to... Read More

CV Paper List \(\mathbf{ENERGY-BASED\;GENERATIVE\;ADVERSARIAL\;NETWORKS}\) \(\mathbf{Abstract}\) We introduce the “Energy-based Generative Adversarial Network” model... Read More

분명히 MathJex 설정을 잘못한거 같은데 수정할 시간은 없고… 일단 적용안되는 문법이 있어서 기술해둠 Error Tex Explanation \mathbb{} Git에서는 사용됨, Jek... Read More

CV Paper List \(\mathbf{U-Net:\;Convolutional\;Networks\;for\;Biomedical\;Image\;Segmentation}\) \(\mathbf{Abstract}\) There is large consent that successful training o... Read More

CV Paper List $$\mathbf{Image-to-Image\;Translation\;with\;Conditional\;Adversarial\;Networks}$$ Figure 1: Many problems in image processing, graphics, and vision inv... Read More

CV Paper List \(\mathbf{Conditional\;Generative\;Adversarial\;Nets}\) \(\mathbf{Abstract}\) Generative Adversarial Nets [8] were recently introduced as a novel way to ... Read More

\[if\;y=\frac{1}{1+e^{-x}},\;\mathrm{then}\;\frac{\partial{y}}{\partial{x}}=y(1-y)\] Read More

Background 복수의 후보 항목들에 대한 로짓값 벡터를 확률 분포 벡터로 변환하는 함수와 이렇게 구해진 확률 분포와 정답에 나타난 확률 분포 사이의 교차 엔트로피를 계산해주는 함수가 필요하게 되었다. … 한 마디로 시그모이드 함수가 이진 판단 문제 해결의 주역이었다면 선택 분류 문제 해결의 ... Read More

Background Softmax Function의 결과값을 Cross-Entropy의 확률값을 Q로 지정하게 될 때 문제가 발생한다. Introduction 로짓값들 중 가장 작은 로짓값 $a_{i}$값이 너무 작아 0으로 표현될 수 있다. 이런 값이 log값에 적용되면 $-\infty$로 폭주하... Read More

Definition of Derivative, 미분의 정의 미분(微分, 영어: derivative) 또는 도함수(導函數)는 어떤 함수의 정의역 속 각 점에서 함숫값의 변화량과 독립 변숫값의 변화량 비의 극한 혹은 극한들로 치역이 구성되는 새... Read More

CV Paper List \(Wasserstein\;GAN\) $\mathbf{1\;\;\;Introduction}$ The problem this paper is concerned with is that of unsupervised learning. Mainly, what does it mean... Read More

CV Paper List $\mathbf{InfoGAN:\;Interpretable\;Representation\;Learning\;by}$ $\mathbf{Information\;Maximizing\;Generative\;Adversarial\;Nets}$ $Abstract$ This pape... Read More

PapersWithCode CNN Year Key name Thesis Translation Analysis 2013 R-CNN Rich feat... Read More

Introduction Activation Function에서 Exp가 자주 보인다. Summury exp는 exponential function의 약자로 지수 함수를 뜻한다. \[exp(x) = e^{x}\] Read More

Introduction Cross-Correlation Calculation은 CNN에서 쓰이는 연산이다. Cross-Correlation은 Convolution Calculation의 Flip 과정을 하지 않고 Filter를 그대로 Input value와 연산한다. Computa... Read More

Introduction Exponential function, 지수 함수란 거듭제곱의 지수를 변수로 하고, 정의역을 실수 전체로 정의하는 초월 함수이다. 로그 함수의 역함수이다. 지수함수는 ${\text{exp}}(x)$ 또는 $e^{x}$와 같이 쓴다. 밑이 $e$ 인 지수 함수 $e^{x}$ 의... Read More

Introduction Convolution Calculation은 CNN에서 쓰이지 않는다. CNN에서는 Cross-Correlation 연산을 사용한다. Kernel을 Flip하지 않는 이유는 filter를 random으로 초기화하기 때문에 flip에 의미가 없다. Convolution C... Read More

Introduction Sigmoid Fucntion은 범위에 제한 없는 임의의 실숫값을 입력으로 받아 확률값의 범위에 해당하는 0과 1 사이의 값을 출력하는 함수다.[1] logit expression 실제 표현하려는 값을 로그값으로 대신 나타낸... Read More

Introduction Subdividing the Output of Artifical Intelligence Algorithms consists of Regression Analysis, Binary Decision, Decision Classification Regression An... Read More

Introduction DataSet에서 Numeral value가 아닌 Charactor, 문자가 주어졌을 때, 신경망이 데이터를 처리하기 위해서는 문자가 아닌 숫자가 필요하다. 이를 단순히 해결하기 위해, 각 특징을 1 과0으로 나타내는 표현 방식이다. Read More

하이퍼 파리미터 모델링할 때 사용자가 직접 세팅해주는 값, 학습을 시작하기 전에 정해두는 값, 모델 학습 과정에 반영된다. 학습 데이터를 한 바퀴 돌 때 1epoch이라고 하며 n개의 epoch을 정해두고 학습을 시작한다. 또한 미니배치 크기를 의미하는 Iteration 또한 정해두고 학습을 시작한다.... Read More

Introduction When use Loss Function, When use Activation Function how to choose Functions in each layer. Summury Read More

When use Activation Function Introduction Activation Function은 Forward prapagation의 출력값을 특정 범위로 조정해주는 Fucntion이다 참고 : Three basic output of ANN Activatio... Read More

주저리 주저리 내 석사의 목표는 논문 3편쓰기다. 3편을 쓰기위해서는 국내, 국외 논문 투고 일자를 파악해야하고 어디에 낼 건지, 내는 곳의 분야와 논문 규격등 미리 알아야할 것이 많다. 오늘은 본격적으로 논문을 작성하기 전에 기초 공부와 읽어야 할 논문들을 정리해보도록 한다. 논문 작성을 시작할 날짜는... Read More

← 이전 글로 　 다음 글로 → 오늘은 원내교육인 영어과학논문 작성과정(1)을 수강했다. 담당 강사님은 POSTECH 물리학과 교수님이신 염한웅 교수님이 맡아주셨다. 염한웅연구의 정석 해당 유튜브 채널에서 많은 영감을 얻을 수 있을거라 확신한다. 강의도중 정말 인상 깊은 이야기를 많이 들었던 순간이였다. ... Read More

Introduction When I firstly started studing GAN, I confused that what study first? To the juniors who follow me, I put a milestone so that they don’t strug... Read More

CV Paper List $UNSUPERVISED\;REPRESENTATION\;LEARNING$ $WITH\;DEEP\;CONVOLUTIONAL$ $GENERATIVE\;ADVERSARIAL\;NETWORKS$ $ABSTRACT$ In recent years, supervised learning ... Read More

Introduction 인공신경망을 훈련하기 위해서는 Weight와 Bias를 수정하는 과정이 필요하다. Weight와 Bias를 통해 계산된 값은 단순한 1차 함수로 선형 값을 가지게된다. 선형 함수를 사용하면 최소값을 알 수 없는데 이를 해결하기 위해 비선형 함수로 변환해주는 과정이 발생한다. ... Read More

Structure of Single Layer Perceptron variable mean x Feature특징 b Bias편향 w... Read More

Structure of Perceptron variable mean x Feature특징 b Bias편향 w Wie... Read More

Structure of Mini Batch 데이터 크기를 일정 크기인 Batch size로 나눠 계산하는 방식이다. Mini Batch의 개수를 Iteration으로 표현한다. Read More

Introduction Gradient Descent Alorithm은 Optimization Algorithm 중 하나이다. Neural Network는 예측값과 실제값의 차이를 계산하는 Loss Function을 통해 Loss value를 구한다. Loss Function은 용도에 맞는 다양... Read More

Introduction 이 과정은 신경망인 Perceptron을 참고하면 더 이해가 잘된다. 순전파forward propagation란 입력 데이터에 대해 신경망 구조를 따라가면서 현재의 파라미터값들을 이용해 손실 함숫값을 계산하는 과정을 말한다.[1] $W$값들을 통해 $\hat{y... Read More

역전파backward propagation, backpropagation란 순전파의 계산 과정을 역순으로 거슬러가면서 손실 함숫값에 직간접적으로 영향을 미친 모든 성분에 대하여 손실 기울기를 계산하는 과정을 말한다.[1] Optimizer(최적화) : Forward Propagat... Read More

← 이전 글로 　 다음 글로 → 오늘 책임님에게 발표를 했다. 역시 부족한 내 실력이 민낮으로 들어나는 순간 기초가 부족하니 설명도 막히는 부분이 많다. 인공지능을 공부하는데 도대체 기초는 어디까지일까.. 짜릿하다. 필요한 공부 회사 CNN ... Read More

\[CrossEntropy(P, Q) = \sum -P(x)lnQ(x)\] CrossEntropy에서 $-log$를 사용하는 이유는 다음 그래프를 보면 알 수 있다. y = -log(x)[1] $-log(x)$의 그래프를 보면 x가 0으로 수렴할 때 y값이 급격히 커지는 것을 알 수 있다. Cross ... Read More

While you could train your model after generating one image, it is extremely inefficient and leads to less stable training. In GANs, and in machine learning in general... Read More

What is Regression meaning? ‘회귀’라는 말은 ‘한바퀴 돌아 제자리로 돌아가다’라는 뜻입니다. … 회귀모델에서 회귀의 정확한 의미는 ‘평균으로의 회귀’라는 뜻이라고 봐도 무방합니다. 데이터의 실측치와 모델의 실측치 사이의 차이, 즉 회귀식에서 오차항에 대한 관측치(잔차)가 평균으로 회... Read More

What is Regression Model? 회귀모델이란, 어떤 연속성 데이터 x, y의 원인이라고 추정되는 관계를 추정하기 위해 만든 모델을 말합니다. ( $y = f(x)$ ) 그렇게 추정한 관계를 입력 변수값과 매칭하여 ‘출력’ 변수를 예측하는 것을 우리는 통계분석이라고 합니다. 하지만 현실에서 실... Read More

Logistic is? 로지스틱 손실 함수는 다중 분류를 위한 손실 함수인 크로스 엔트로피(cross entropy) 손실 함수를 이진 분류 버전으로 만든 것이다. 실무에서는 종종 이진 분류와 다중 분류를 구분하지 않고 모두 크로스 엔트로피 손실 함수라고 부르는 경우도 많다. Read More

Cross Entropy is? 엔트로피[Entropy]는 하나의 분포를 대상으로 하는 반면, 크로스-엔트로피는 두 분포 $P(x), Q(x)$를 대상으로 엔트로피를 측정해 두 분포 간의 차이를 계산합니다. 머신러닝GAN에서 크로스-엔트로피를 사용할 때는$P(x)$를 실제 모형의 분포, $Q(x)$를 ... Read More

Introduction Refer Sigmoid Function., Cross Entropy Function Binary Cross Entropy called Sigmoid Cross-Entropy loss. It is a Sigmoid activation plus a Cr... Read More

Intro GAN을 공부하다보면 Ground Truth라는 말을 자주 접하게 된다. Fake Data와 비교하는 Real Data(Data set에 포함된 데이터 중 하나)를 의미하며 아래 참고문헌[1]에서 자세한 내용을 알 수 있다. Reference 1. [용어정리]Ground-truth, J... Read More

Vanila GAN’s workflow 훈련하고자하는 훈련 데이터를 통해 학습된 생성 모델에 정규 분포를 따르는 잠재 공간의 잠재 벡터를 샘플링하여 샘플을 생성해 낸다. \[Trained\; Ganerator(Latent Vector) = G(z)\] 생성기를 통해 생성된 데이터와 훈련 데이터 Read More

← 이전 글로 　 다음 글로 → 최근에 공부에 집중을 못하고 있다. 항상 늦게까지 남아있고 뭔가 공부를 하지만 정작 뒤돌아보면 뭘 했을까라는 의문이 든다. 뭔가 많은걸 한 것 같은데 정작 뒤돌아보면 남아있는게 뭘까 라는게 큰 고민거리다. 요즘 영어를 하다보니 전공공부에 소홀한걸까? 논문은 많이 읽었는데… 이게 도움이 될... Read More

Concept of Entropy Entropy는 노드에 서로 다른 데이터가 얼마나 섞여 있는지를 의미하는 impurity(불순도)를 측정한다. Imputrity가 낮을수록 데이터가 섞여 있지 않다는 것을 의미한다. 엔트로피(entropy)는 정보 이론에서 사용하는 개념으로 확률 변수의 불확실성... Read More

When explain Objective Function of GAN, Why used minmaxV($D, G$) when study GAN, explained Objective Fucntion using minmaxV Exactly what is V ? I guess V is Verify? Read More

relative post Loss Function과 Cost Function의 차이점 When explain Cost Function, Why used J($\theta$) when study GAN, explained cost function using J function. Exactly wh... Read More

들어가기 전에 나한테 가설함수나 비용함수는 정말 미칠것 같은 갈증의 대상이였다. 인공지능을 공부하면서 가설함수 비용함수를 왜 쓰는지는 알겠지만 표면적으로만 알고 내부적인 내용을 이해할 수 없었다. 아무리 찾아봐도 대충 설명하고 넘어가는게 너무 많아 혼란만 불러일이킬 뿐이였다. 하지만 우연히 쿠버네티스... Read More

다음 글로 → 서론 이책은 어려워서 빠르게 넘어가면서 읽도록 한다. 1장의 확률에 대한 내용이 어렵지만 한번 훑고 넘어간다. 추가적인 확률 공부가 필요할 듯 Read More

← 이전 글로 　 다음 글로 → 생성 모델Generative Model이란 확률모델Probabilistic Model의 관점에서 데이터셋을 생성하는 방법이다. 생성 모델링 과정 어떤 데이터를 생성하고자 할 때, 그 데이터의 훈련 데이터가 필요하다. 훈련 데이터Training Data, Dat... Read More

5월이 되기 전 미리 짜보는 계획 하루 1시간 영어공부하기 영어로 작문하기 작문한거 말하기 하루 1시간 파이썬 공부하기 최신문법 공부하기 병렬 프로그래밍 해보고싶다. 넘파이 공부하기 ... Read More

← 이전 글로 　 다음 글로 → 오늘은 수요일에 들었던 원내교육 두번째 수업을 들었다. 앞시간에는 Neural Network의 작동 방식, 이론에 치중하였다면 오늘은 CNN의 작동방식과 이론, 그리고 실제로 CNN을 구현하고 모델학습을 해보았다. 사실 이론은 빠삭하게 공부했는데 막상 구현하려니까 엄청 막막했다… ... Read More

← 이전 글로 　 다음 글로 → 앞서 말하자면 발표는 역시 망했다 ㅎㅎ 구구절절 말하고 싶지 않아 마음속에 묻어두고 개선할 점과 방향만 잡도록 하자 개선할 점 1 . 늘 똑같은 문제로 나 자신을 시험에 들게 한다. 그건 완벽주의.. 다르게 말하면 느려터진 속도와 따라오지 못하는 하드웨어, 바로 내 머리 참 공... Read More

← 이전 글로 　 다음 글로 → 오늘은 ETRI 원내교육을 듣는 날이다. 책임님과 상의 후 파이토치 공부를 위해 원내 교육을 수강하면 좋을 것 같다는 의견으로 신청하게 되었다. 같은 연구실의 연구원분이 강의하셨는데 강의 초기 연구원분의 스팩을 보고 깜짝놀랐다.. 이미지넷 첼린지 2위 …. ?????? 여기 ET... Read More

델타(Δ)와 d의 차이 델타(Delta, Δ)란 일반적인 변화량(혹은 값의 변화량)을 의미합니다. 보통 수학에서 델타를 사용할 경우 셀 수 있는 간격이나 일반적인 값의 차이를 말합니다. 그러나 d(dy/dx)의 경우에는 셀 수 없이 아주 작은 간격, 즉 델타에 극한이 붙어 셀 수 없이 작은 간격을 의미... Read More

발표 자료 오늘은 인공신경망에 대해 설명하도록 하겠습니다. 인공신경망은 1943년 신경생리학자 Warren McCulloch와 수학자 Walter Pitts가 발표한 논문 A Logical Calculus of Ideas Immanent in Nervous Activity에서 처음 소개되었습니다.... Read More

ANN이란 ANN이란 Artifical Nureal Network의 약자로 인공 신경망을 뜻한다. ANN의 종류는 Perceptron, CNN, AE, VAE 등등 많다. ANN에 사용되는 변수 $x$ : Feature, 특징 $W$ : Weight, 가중치 특징... Read More

비용 함수(cost function)는 손실 함수(loss function)의 다른 말입니다. 엄밀히 말하면 손실 함수는 샘플 하나에 대한 손실을 정의하고 비용 함수는 훈련 세트에 있는 모든 샘플에 대한 손실 함수의 합을 말합니다. 하지만 보통 이 둘을 엄격히 구분하지 않고 섞어서 사용합니다.[1] 참고문헌 1. ... Read More

발표 자료 안녕하세요. 저는 컴퓨터공학과 석사 1학년 중인 진현우입니다. 저는 인공지능 생성모델 GAN을 연구하고 있습니다. 저는 컴퓨터공학부 정보보안을 전공으로 학사를 졸업하였습니다. 동서대학교 보안연구실인 CNSL에서 회장을 하였던 경험이 있습니다. 학사기간동안 다양한 활동을 해보기 ... Read More

Google Search Console https://search.google.com/search-console에서 블로그를 google에 노출할 수 있다. 속성 추가를 통해 블로그 url등록이 가능하다. URL 접두어에 블로그 주소를 넣어주고 계속 html파일을 추가하라는 안... Read More

AutoEncoder 생성 Variational AutoEncoder Distribution Latent variable manifold learning Objective Function Loss Function Non-Saturating Loss... Read More

나는 요즘 박사과정과 취직에 대해 깊은 고민을 하고 있다. 박사도 하고싶고 취직해서 일도 하고싶다. 하지만 평범하게 한국말고 미국에서 하고 싶다. 이 목표를 이루기 위해 오늘부터 간단하게 영어회화 연습을 해보려고 한다. 목표 상황에 따른 문장선택에 익숙해지기 위해 말하기 연습을 한다. 어떻게? 하루 3... Read More

깃블로그를 처음 시작할 때 머리아팠던게 카테고리 설정이다. 점점 쓰는 글이 많아지다보니 카테고리랑 태그가 엄청나게 늘어났다. 처음에는 자포자기 심정으로 따로 구성없이 했는데 이게 점점 이상해지는 것 같다. 오늘 한번 작정하고 수정해보도록 하자. 현재 카테고리 상황 Book... Read More

Jekyll[1] Jekyll는 비전문가도 쉽게 웹 사이트를 만들어주는 생성기이다. 보편적으로 GitHub를 통해 무료로 호스팅을 하는 블로그, GitBlog를 만들 때 사용된다. 하지만 GitBlog를 생성하는 건 쉽지만 Jekyll를 통해 로컬서버를 여는건 생각보다 까다롭다. 따라서 필자가 ... Read More

Jekyll Gitblog 폴더 _post 폴더에 0000-00-00-test.md 파일이 웹페이지에 적용이 안되는 현상을 발견했다. 마크다운 파일에 test 단어만 들어가면 안되는것 같다. Read More

← 이전 글로 　 다음 글로 → 너무 힘들었던 시험기간, 어떻게 보면 시험기간을 핑계로 수학 공부를 할 수 있었던것 같다. 대학원생이 되고 느낀점은, 공부하는 부분이 더이상 구글에 검색되지 않는다는 점이다. 교수님은 영어로 가르쳐주서서 논리적이지도 않고 이해는 하나도 안되는데 구글에 찾아도 없고 회사에 수학... Read More

서론 우리는 흔히 차원을 나타낼 때 R을 사용한다. 그런데 R은 무슨 뜻일까? Dimension 차원 도 아니고.. … R은 실수를 뜻하는 Real Number의 약자이다. 왜 실수가 차원인가? 유클리드 공간에서 축은 곧 차원을 나타낸다. 축은 실수의 집합으로 나타낼 수 있다. 따라서 (차원 = 축의 개수 ... Read More

← 이전 글로 　 다음 글로 → 이번주 금요일 시험이다. 일정 배분을 잘해야할건데.. 우선 저번주로 CNN은 마무리 했고 이번주에 GAN 발표 자료를 만들 예정이다 생각보다 빠듯해서 우선 책임님이 주셨던 자료 공부하고 퇴근 후에는 시험공부를 해야지 Read More

chrome 좋아요 일괄 삭제 메크로가 있어 공유한다.. const likedVideoElements = document.querySelectorAll('ytd-playlist-video-renderer.ytd-playlist-video-list-renderer yt-icon.... Read More

문제 발견 Pytorch sort 함수 구현중 복사가 안되는 문제가 발생함 x = torch.randn(10, 2) for i in range(len(x)): x[i][1] = i for i in range(len(x)): for j in range(i, len(x)): if x[i][0] &g... Read More

주저리 내나이 26살, 늘 개고생하고 느끼는 점 : 하라는대로 하면 해결된다. 구매처에서 나눴던 얘기 안녕하세요 기술지원 담당자 입니다. 리눅스 OS 가 설치된 PC에서 NVIDIA SDK Manager 를 이용해서 진행을 하셔야 한다고 답변 드렸었는데 진행을 해보셨을까요? 일반 윈도우 환경에서 가상... Read More

← 이전 글로 　 다음 글로 → 발표 자료 CNN, VGGNet, GoogLeNet, ResNet GAN 신경망 네트워크와 수학적 기반 13강 - 역전파, 가중치 초기화 (ppt 참고) 참고 자료 인공지능 연구동향 10주차 구성 (발표 1시간)... Read More

← 이전 글로 　 다음 글로 → 서론 Fashion MNIST Data Set을 Pytorch로 분류한다. matplotlib을 사용하여 이미지를 확인한다. Read More

← 이전 글로 　 다음 글로 → 5장 서론 인공 신경망(NN)을 이미지에 사용하면 성능이 잘 안나온다. 이유는 인간이 같다고 생각하는 사소한 차이의 이미지는 컴퓨터가 전혀 다른 이미지로 받아드리기 때문이다. 참고문헌 1. 경사 하강법에서 마이너스, ICHI.PRO, 2022.04.05 방... Read More

← 이전 글로 　 다음 글로 → 오랜만에 학연과정 글을 쓰게 됐다. 그동안 코로나로 인해 재택근무도하고 부산에서 대학원 수업도 듣고 바람들날이 없었다. 그래도 꾸준히 공부는 했는데 뭔가 기초부분에서 머물고 있는거 같다. 책임님한테 결과를 보여드려야하는데 나도 좀 답답하다. 오전 회의 때 책임님께... Read More

← 이전 글로 　 다음 글로 → 모집단, Population과 표본, Sample 모집단이란 조사하려고 하는 대상 전체, 집단을 뜻한다. 모집단의 특성을 나타내는 대표값을 모수, Population parameter이라고 한다. 표본이란 모집단에서 특정 일부를 추출한 것이다. 표본의 대표값... Read More

주저리 jetson은 지옥이다. 현재 발생하는 문제점 안된다. flash가 안먹힌다. xavier agx dev kit에서 고생고생하면서 설치 했었는데 nx module은 os 설치부터가 안된다. 보드 자체에 불이 안들어오는거 보니 모듈 문제인가? 전원은 들어가는거 같은데 전혀 반응이 없어서 머리아... Read More

주저리 인공지능 예비 석박사들은 Jetson 하나 잘쓰면 든든하게 연구할 수 있는데, 국내에는 Jetson에 대한 설명이 너무 부족하다.. 나같은 하알못, 하드웨어 알지 못하는 석사생은 눈물을 머금고 맨땅에 해딩할 뿐이다. Jetson mate 구성 Master WOR... Read More

← 이전 글로 　 다음 글로 → 기초 확률, Probability이란 사건이 발생할 가능성을 수치화 시킨것이다. 확률, Probability의 성질 $ 0 \leq P(A) \leq 1 $ 모든 확률이 0과 1사이에 있다. 확률은 0보다 작거나 1보다 큰 값이 나올 수 ... Read More

나는 절 때 석사를 안할 줄 알았다. 내 인생에 수학은 없었다. 하지만 석사를 하게 됐다. 요즘 참 후회가 많이 된다. 수능에 대한 후회, 학부 때에 대한 후회 대학에 오고 참 열심히 살았다. 많은걸 배우고 많은 사람을 만나서 남보다 부족하지 않은 사람이 됐다고 자부할 수 있다. 하지만 공부의 면에서는 많이 부족한... Read More

평균 제곱 오차, MSE란? \[MSE = \frac{1}{n}\sum_{i=1}^{n}(\hat{y} - y)^{2}\] MSE, Mean Squear Errer는 Linear Regression, 선형회귀분석에서 쓰인다. Machine Learning에서 Loss Fucntion으로 사용된다. ... Read More

윈도우 Wsl2 내부에 Docker 설치Link 이번에는 Docker Anaconda에 Jupyter를 설치하고 브라우저를 통해 접속하는 방법을 공부해보았다. jupyter 설치 conda activate pytorch conda install jupyter jupyter 설치확인... Read More

← 이전 글로 　 다음 글로 → 3장 서론 선형회귀분석이 데이터 분석과 딥러닝에서 가지는 의미와 손실 함수 와 경사하강법을 간단하게 배우고 실습할 수 있다. 선형회귀분석 선형회귀분석은 간단히 설명하면 주어진 데이터를 가장 잘 설명하는 직선 하나를 찾는 것이다. 데이터 분포들(Da... Read More

← 이전 글로 　 다음 글로 → 2장 서론 왜 딥러닝에서 Pytorch, 파이토치를 써야하는가? 넘파이는 제외하고 텐서플로우(TensorFlow)만 놓고 생각했을 때, “Define by run”으로 연산 그래프와 연산을 분리하여 생각할 필요가 없어 사용자에게 직관적이다. 또한 속도도 텐서플로우에 ... Read More

← 이전 글로 　 다음 글로 → 1장 기초 1장은 딥러닝에 대한 간단한 개념에 대한 설명이 돼있다. Machine Learning Algoritm 서포트 벡터 머신 k-최근접 이웃 알고리즘 결정 트리 인공 신경망 심층 신경망 (딥러닝) 심층 신경... Read More

다음 글로 → ETRI 도서갓(GOD)에 있는 전공도서, 파이토치 공부를 위해 빌렸다. 책을 사면서 느낀점, 도서관에서 읽어보고 사자, 도서관에 있으면 사지말자. 끝 Read More

유클리드는 누구인가 에우클레이데스(고대 그리스어: Εὐκλείδης, 기원전 300년경) 또는 영어식 이름으로 유클리드(영어: Euclid, IPA: [ˈjuːklɪd] 또는 Euclid of Alexandria)는 고대 그리스의 수학자이자 소설가이다.[1] 유클리디안 공간 유클리드가 연... Read More

이글은 Tistory, 박핑구님의 블로그Link를 참고하였습니다. OS CPU GPU ubuntu docker Windows 10 Pro AMD Ryzen 5 3... Read More

← 이전 글로 　 다음 글로 → 기초 행렬, Matrix은 스칼라, Scalar 혹은 벡터, Vector로 구성되어 있다. 스칼라, Scalar는 행렬을 구성하는 각 숫자를 의미하며 크기만을 가진다, 요소, 원소라고 한다. 벡터, Vector는 스칼라, Scalar의 집합이며 크기와... Read More

서론 Github하며 궁금했던 Pull Request에 대해 작성합니다. Pull Request란? Repository에서 Fork를 통해 가져온 내용을 수정하였을 때, 관리자의 판단하에 branch에 병합하는 과정 Pull Request의 필요성 협업 과정에서 발행한 이슈(수정, 추가, 삭제)를 실... Read More

서론 최근 3월부터 간혈적 단식이라는 것을 하고있다. 단식을 시작했던 계기는 돈이 없어서.. 하루 3끼 다먹으면 하루 15000원인데 … 이렇게 먹어선 답이 없다고 생각했다. 아침은 굶고 점심, 저녁 그리고 단식 이렇게하면 7시부터 다음날 12시까지, 17시간 단식을 할 수 있다. 그러던 중, 단식 추적기라는 ... Read More

← 이전 글로 　 다음 글로 → LU 분해, LU decomposition or LU factorization LU 분해는 4x4 이상의 행렬에 대한 $Ax = b$ 형식의 연립일차방정식을 풀기위한 기술 L, 하삼각행렬(Lower traingular matrix) 주대각 성분... Read More

← 이전 글로 　 다음 글로 → 연립방정식, System of equations 방정식이란, 등호(=)를 기준으로 좌우의 수학적 표현이 동일함을 나타낸다. $$x+2y+z=5$$ 일차방정식이란, 지수가 최대 1인 방정식이다. $$x=3,\;\;\;\;3x+... Read More

Kernel의 정의[1] 운영체제(Operating System) 중 핵심 프로그램, 항상 메모리에 상주하면서 동작하는 OS의 핵심 부분으로서 코어(Core) 혹은 뉴클리어스(Nucleus)라고 부른다. 리눅스 배포판을 예로들자면, 오픈소스 리눅스 커널과 시스템 프로그램을 제작하여 통합한 뒤 배포하는 것을 뜻한다.... Read More

← 이전 글로 고윳값과 고유벡터의 정의 특잇값 분해, Singular Value Decomposition 모든행렬을 직교행렬과 같은 유용한 행렬로 분해한다. 행렬의 행공간과 열공간에 대한 직교기저(축)을 제공한다. Read More

다음 글로 → 부산도서관에서 빌린 선형대수학 책 기존에 읽던 프로그래머를 위한 선형대수 책은 도저히 못읽을 것 같아서 부산 도서관에 읽어본 선형대수 책 중 가장 좋다고 느껴져 빌려봤다. 사실 이때까지 책을 참 많이 샀는데 도서관에 가니까 다 있었다.. 읽어보고 살껄.. 껄 껄.. Read More

← 이전 글로 　 다음 글로 → 이책은 정말 아니 설명을 자세히 해줘서 참 고마운데 하나도 도움이 안된다. 뭐라고 하는지 하나도 모르겠다. 설명을 이렇게 못할 수 있을까… 그래도 내용은 참 알차서 공부하는중.. 모르는 부분 있으면 그냥 무시하고 넘어간다.. 벡터, Vector 수를 나열한 ... Read More

← 이전 글로 　 다음 글로 → 선배님 앞자리에 DST학생 두분이 있다. 그중 학부때부터 인공지능 GAN을 공부하셨던 분이 있으시다. 학부때는 졸업논문 제외하고 인공지능 공부는 손도 안대봤으니 참 부럽다. GAN공부 팁을 부탁드렸더니 일단 빠르게 모델구현을 해보라고 하셨다. 오늘 인강 마무리 사실 인... Read More

이 글은 대학원 석사로서, 회사에서 일하는 사람으로서, 대한민국의 청년으로서 떠오른 생각을 적은 글입니다. 서론 현대 대한민국 청년들의 대부분은 취직을 위한 스팩으로서 4년제 대학을 갈 것이다. 하지만 취직에 대한 스팩으로서 대학은 전문대학 2,3년으로 충분하지 않을까? 스팩에 대한 경쟁은 과거부터 현재까지 계속되어... Read More

← 이전 글로 　 다음 글로 → 이번주는 GAN 기초만 출근하고 집가기 전까지 하루종일 GAN 기초에 대해 공부했다. 하루종일 GAN만 했는데도 많이 부족했던 거 같다. 다음주부터는 기초와 코딩도 같이 할 것 같다. 주말에 자세한공부를 하고싶은데 학교 수업도 있고… 잘 할 수 있을까? 열심히 해야겠다. Read More

실행환경 운영체제 버전 cpu 시스템 Windows 11pro 21H2 Intel(R) Core(TM) i7-8700K CPU x64 ... Read More

← 이전 글로 　 다음 글로 → 저번주는 참 잘 쉬었다. 근데 내가 쉬어도 되는건가? 셋째주 책임님과 회의 저번주 발표 때문에 책임님은 고민이 많으셨던 것 같다.. 내 지식의 한계에 오늘도 부끄러워지는 회의실 책임님은 내가 공부하는 소스 찾는거에 어려움을 느낀다는걸 파악하... Read More

← 이전 글로 　 다음 글로 → Generative Adversarial Networks, GAN (생성적 적대 신경망) Deep Neural Netwroks, DNN (심층 신경망)인 Generator Model, G (생성 모델), Discriminator Model, D (판별 모델)이 Adver... Read More

← 이전 글로 　 다음 글로 → 6시 출근 오늘은 부산으로 내려가는 날.. 최대한 빨리 가기 위해 6시출근을 감행했다. 전날 ppt 만드느라 2시에 자고 5시 20분에 일어났더니 출근하고도 정신이 없다. 다행인건 사무실에 아무도 없어 어제 쓰던 ppt를 차분하게 쓸 수 있었다. … 11시 30분에 ppt... Read More

다음 글로 → 서론 책임님이 추천해주신 당나귀 그려져 있는 책.. ㅋㅋ 진짜 열심히 해야지… GAN 네 이녀석 승부다 Read More

← 이전 글로 　 다음 글로 → 군대후임과 대전에서 선거일에는 수업 아니 교수님.. 오늘 수업이라구요? 금요일은 출장가신다고 오늘 수업하자신다… 학연학생은 슬퍼지는걸 어떡해… 수업도 하기 위해 전날 3시까지 영어 교재만 읽었다.. 파파고 고마워 논문이다 논문 시간이 정말 없다.. 당장 영어보... Read More

← 이전 글로 　 다음 글로 → 논문이다 논문 하루종일 논문만 읽고 있다. 속도가 엄청 느리다. 답답하고 힘들지만 조금씩 보이는 것 같아서 힘낼 수 있다. 내일 대학원 수업이 있어 오늘하고 마무리하지 않으면 내일은 더더욱 시간이 없을거라 마음이 너무 급하다. 당장 해석이 중요할까? 일단 계속 해석하고 읽고 리뷰하고 ... Read More

← 이전 글로 　 다음 글로 → 첫 주의 회의는 즐겁지만 두려움도 따른다. 첫 입사 후 둘째 주, 책임님과의 회의에서 매주 첫날은 한 주의 설정과 마지막날 발표를 통해 계획을 새우기로 하였다. 이번 주 첫 회의는 컴퓨터와 노트북 구매에 대해, 앞으로 논문 작성을 위해, 이번주 해야할 것에 대해 이야기 했다. 그리고 이번... Read More

품사         체언 명사 대명사 수사   용언 동사 조동사 형용사 계사 ... Read More

← 이전 글로 　 다음 글로 → 금요일은 수업듣는 날 그래도 회사에 출근했다. 수업을 들어야하다보니 회사에 있기는 조금 불편했다. 수업을 어떻게 진행할지 앞으로 조금 더 고민해봐야겠다. 오늘은 논문 공부를 위해 Generative Adversarial Nets 논문을 출력하여 공부하기로 했다. Read More

← 이전 글로 　 다음 글로 → 아침 짐 옮기기 내 짐중에 가장 큰 걸림돌은 자전거이다. 짐을 택시로 옮긴다는 결론을 내렸지만 자전거가 있다면 택시로 한번에 옮기기 어렵기 때문에 회사에 자전거를 두기로 했다. 그리고 회사에 최대한 짐을 옮기는걸로 결정했고 책과 컴퓨터 용품등 옮기기 위해 고시원에서 회사까지 2... Read More

← 이전 글로 　 다음 글로 → 전기 없는 고시원 가스신청을 못해 춥고, 찬물로 씻고, 정장이 없어도 괜찮다. 첫날이니까 최대한 정장느낌으로 옷을 입고 왁스로 머리를 정돈하고 입사 OT인 10시, 30분전에 회사로 갔다. 입사 OT 공지받은 곳으로 갔더니 사람이 아무도 없었다. 들어... Read More

다음 글로 → 고시원과 택배 기숙사 2순위, 원룸은 싫어서 고시원으로 들어가기로 했다. 6개의 택배 중 3개만 고시원에 도착하고 나머지 3개는 아직 부산 터미널에 있다. 정장도, 바지도, 샤워용품도 전부 도착하지 않은 택배에 들어있었다. 집에서 대전으로 집을 나서기 전, 보내지 못한 짐이 조금씩 발견되... Read More

Literal 사전적 정의[1] 글자대로의 축어적인, 원문 어구에 충실한 정확한, 엄밀한 Python에서 Liternal[2] 리터럴은 값 그 자체로서, 고정된 값을 표현하는 것을 의미한다. 파이썬에서 리터럴 종류들 숫자 리터럴 문자 리터럴 논리값 리터럴 특수... Read More

근로장학생을 마무리하며 20.01 ~ 02, 07 ~ 08 / 21.01 ~ 02, 07 ~ 08 / 22.01 ~ 02 근로장학생이라는 직책은 보조 업무가 주 업무인 직책이다. 하지만 근로 환경은 실질적으로 근로자들이 근로하고 있는 근로지이며 학생으로써 다양한 실무를 직접 접할 수 있는 좋은 기회이다. 이 기회를 어떻... Read More

NameSpace란? wikipedia[1] 이름공간 또는 네임스페이스(영어: namespace)는 개체를 구분할 수 있는 범위를 나타내는 말로 일반적으로 하나의 이름 공간에서는 하나의 이름이 단 하나의 개체만을 가리키게 된다. 파일 시스템은 파일에 이름을 할당하는 이름공간이다. 일부 프로그래밍... Read More

Python 공문에서 Iterable 이란?[1] An object capable of returning its members one at a time. Examples of iterables include all sequence types (such as list, str, and tuple) and som... Read More

서론 파이썬 공식 Documentation을 보면 ABC??? 2to3 ??? 이해 못할 말들이 많다. 공식 Documentation의 용어사전[1]에 궁금했던 용어들이 상세하게 나와 있어 공부할 겸 직접 해석해보도록 하겠다. . . . 들여쓰기 된 코드 블록의 코드를 입력할 때, 쌍을 이루는... Read More

Ellipsis 의 정의[1] The same as the ellipsis literal 《…》. Special value used mostly in conjunction with extended slicing syntax for user-defined container data types. E... Read More

Python Collection 이란?[1] 파이썬 내장 컨테이너인 dict, list, set 및 tuple에 대한 대안을 제공하는 특수 컨테이너 데이터 형을 구현한다. 객체 설명 namedtuple() ... Read More

상수란? 정상수가 아니다. 프로그램 언어를 처음 배울 때 책 앞부분에 나오는 단어로서, 컴퓨터공학을 전공한 사람들은 너무나도 익숙한 단어일 것이다. wikipedia[1] 상수(常數, constant)란 수식에서 변하지 않는 값을 뜻한다. 이것은 변하는 값 변수와 반대이다. wikidocs[2] ... Read More

Series 객체 [1] 기본 1차원 pandas 데이터 구조. 축 레이블이 있는 1차원 ndarray 객체이다. 매개변수 pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)... Read More

Pandas는 언제 그리고 왜 쓰일까 When working with tabular data, such as data stored in spreadsheets or databases, pandas is the right tool for you. pandas will help you to explore, c... Read More

6가지 자동적 생각 판단 비난 강요 비교 당연시 합리화 자동적 생각을 사실로 근거하여 대화를 시작하면, 상대와의 갈등은 깊어지고 대화에 실패하게 된다. 자동적 생각을 하게되는 이유 나보다 힘이 있는 사람일 경우, 말은 하지 못하고 마음속에서 작동하게 되는데 뇌 속의 변연계(감정을 조절하는 뇌의... Read More

변역계는 해마, 편도체, 시상하부를 포함하여 감정과 기억을 처리하는 구조의 집합체다. 뇌의 대뇌 내부, 측두엽 바로 아래에 위치하며 대뇌 피질 (피질은 뇌의 가장 바깥쪽 부분) 아래에 묻혀 있습니다. 변역계는 후각과 관련되었다 생각하여 rhinencephalon(비뇌, 냄새와 관롼된 뇌의 일부) 라고 불렀... Read More

read_csv 객체[1] 쉼표로 구분된 값(csv) 파일을 DataFrame 으로 읽어온다. 또한 선택적으로 파일을 청크로 반복하거나 분할하는 것을 지원한다. Parameters filepath_or_buffer 문자열, path 객체, file과 같은 객체 모든 유효한 문자열 주소... Read More

DataFrame 객체 [1] 기본 2차원 pandas 데이터 구조. 2차원, 크기 변경 가능, potentially heterogeneous tabular data (테이블 형식 데이터). potentially heterogeneous → 여러 다른 종류들(... Read More

os모듈[1] This module provides (a portable way of) using operating system dependent functionality. 이 모듈은 운영 체제에 종속적인 기능을 사용하는 (이식 가능한)방법을 제공한다. os.path() This module imp... Read More

평균 절대 오차 (MAE, Mean Absolute Error) 핸즈온 머신러닝 2 평균 절대 오차 와 같이 회귀 문제에 선호되는 성능 측정 방법이지만, 노름의 지수가 클수록 큰 값의 원소에 치우치며 작은 값은 무시된다. 따라서 RMSE보다 MAE가 이상치에 조금 더 민감하다. wikipedia 평균 절대 편차(MA... Read More

이 글은 Jekyll 테마 Yat 을 기준으로 작성하였습니다. 요약 블로그 폴더/_includes/views/article.html article 태그 아래 해당 코드를 넣어준다. <script type="text/x-mathjax-config"> MathJax.Hub.Config({tex2j... Read More

평균 제곱근 오차 (RMSE, Root Mean Square Error) 핸즈온 머신러닝 2 회귀 문제의 전형적인 성능 지표로서 오차가 커질수록 값이 커짐으로서 얼마나 많은 오류가 있는지 가늠하게 해준다. wikipedia 추정 값 또는 모델이 예측한 값과 실제 환경에서 관찰되는 값의 차이를 다룰... Read More

← 이전 글로 　 다음 글로 → 들어가기 전에 2장은 머신러닝의 예제 프로젝트를 처음부터 끝까지 진행합니다. 내용을 자세히 이해하려니 어려움이 있었지만, 프로젝트의 큰 흐름을 이해할 수 있었습니다. 해당 장에서는 캘리포니아 인구조사 데이터를 사용하여 캘리포니아 주택 가격 모델을 만듭니다. 문제 정... Read More

서론 핸즈온 머신러닝 [1] 에서 파이프라인을 설명할 때 컴포넌트라는 단어를 많이 사용한다. 머신러닝 프로젝트 문서를 보면 컴포넌트라는 용어를 자주 보게되는데 확실히 잡고 가야되겠다고 판단했다. … 관련 문서를 찾다보니 원래 내가 알고 있던 단어였다. 컴포넌트 단어를 자바 웹 개발할 때 들어본 단어였는데... Read More

내 삶의 솔직함이란 가치관에 대하여 내가 살아온 짧은 인생에서 성인이 되기 전부터 성인이 되고 난 후로 지금까지 솔직함이라는 태도는 나의 가치관에서 큰 부분을 차지하는 자세 중 하나였다. 솔직하게 첨렴하게 남들에게 부끄럽지 않은 내가 되겠노라 생각하며 누구에게도 부끄럽지 않은 삶을 살고 싶었기에, 솔직함이라는 자세로 살아... Read More

k-l 겹 교차 검증이란 wikipedia This is a truly nested variant which contains an outer loop of k sets and an inner loop of l sets. 이것은 k 세트의 외부 루프와 l 세트의 내부 루프를 포함하는 진정한 중첩 변형입니다. k-... Read More

k 겹 교차 검증이란 wikipedia This is a type of k*l-fold cross-validation when l = k - 1. 이는 l = k - 1일 때 k-l 겹 교차 검증 의 한 유형이다. 단일 k 겹 교차 검증은 검증 세트 및 테스트 세트를 모두 사용한다. k 겹 교차 검증 방법 ... Read More

홀드 아웃 검증이란 핸즈온 머신러닝2 훈련 세트의 일부를 떼어내어 여러 후보 모델을 평가하고 가장 좋은 하나를 선택한다. 홀드 아웃 세트를 검증세트(개발 세트, 데브 세트)라고 부른다. 홀드 아웃 검증의 단점과 해결 방법 홍드 아웃 검증의 단점 훈련 세트에서 데이터를 분리하다보니, 세트가 작거나 클 때 발생... Read More

교차 검증이란 wikipedia Cross-validation is a resampling method that uses different portions of the data to test and train a model on different iterations. 교차 검증은 데이터의... Read More

모델 기반 학습의 정의 wikipedia 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말한다. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있다. 이러한 준 지도 학습은 목표값이 충분히 표시된 훈련 데이터를 사용... Read More

사례 기반 학습의 정의 wikipedia 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말한다. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있다. 이러한 준 지도 학습은 목표값이 충분히 표시된 훈련 데이터를 사용... Read More

강화 학습의 정의 wikipedia 행동심리학에서 영감을 받았으며, 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다. 이러한 문제는 매우 포괄적이기 때문에 게임 이론, 제어이론, 운용 과학, 정보 이론, 시뮬레... Read More

준지도 학습의 정의 wikipedia 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말한다. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있다. 이러한 준 지도 학습은 목표값이 충분히 표시된 훈련 데이터를 사용하는... Read More

배치 학습(오프라인 학습)의 정의 핸즈온 머신러닝2 배치 학습은 실시간 학습 과 반대로 점진적(실시간)으로 학습할 수 없다. 훈련 데이터를 통해 훈련하고 제품 시스템에 적용하여 추가적인 학습은 없다. 배치 학습의 특징 새로운 데이터를 학습하기 위해서는 전체 데이터를 사용하여 시스템의 새로운 버전을 처음부터... Read More

비지도 학습의 정의 wikipedia 입력 데이터(훈련 데이터(Training Data))로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 지도 학습 과는 달리 입력값에 대한 목표치가 주어지지 않는다. 통계의 밀도 추정과 깊은 연관이 있다. 핸즈온 머... Read More

람다(lambda) 람다 정의 “lambda” 는 런타임에 생성해서 사용할 수 있는 익명 함수 입니다. 이것은 함수형 프로그래밍 언어에서 lambda와 정확히 똑같은 것은 아니지만, 파이썬에 잘 통합되어 있으며 filter(), map(), reduce()와 같은 전형적인 기능 개념과 함께 사용되는 매우 강... Read More

CRC32의 정의 해시넷위키 CRC-32은 Cyclic Redundancy Check (CRC) 방식 중의 하나이며 CRC 알고리즘 계산을 추진할 때 CRC32 다항식(Polynomial)을 사용한다. CRC는 네트워크 데이터블록 또는 파일 등 데이터에 근거하여 짧고 간단하며 자리수가 고정 된 검증코드를... Read More

인스턴스와 객체의 차이점 클래스는 객체를 표현하는 문법이라고 했는데, 클래스로 인스턴스를 만든다고 하니 좀 헷갈리죠? 사실 인스턴스와 객체는 같은 것을 뜻합니다. 보통 객체만 지칭할 때는 그냥 객체(object)라고 부릅니다. 하지만 클래스와 연관지어서 말할 때는 인스턴스(instance)라고 부릅니다. 그래... Read More

텐서(Tensor)의 수학적 정의 여러 벡터 공간 및 그 쌍대 공간들을 일종의 ‘곱연산’을 사용해 복합적으로 연결시킨 구조.[1] 머신러닝에서의 텐서(Tensor) 데이터를 저장하는 다차원 배열(Numpy 배열) 텐서의 축 개수(N차원)를 랭크(rank)라고... Read More

k-최근접 이웃 알고리즘(K-NN)의 정의 패턴 인식에서, k-최근접 이웃 알고리즘(또는 줄여서 k-NN)은 분류나 회귀에 사용되는 비모수 방식이다. [1] k는 기준으로부터 가까운 데이터의 개수를 뜻한다. k- 최근접 이웃 알고리즘은 데이터를 분류할 때 찾고자하는 데이터가 어디에 속하는지 찾아내는 ... Read More

지도 학습의 정의 wikipedia 입력 데이터(훈련 데이터(Training Data))로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과(레이블... Read More

자주보이는 선형회귀 머신러닝, 딥러닝을 처음 공부하기 시작하면 선형회귀 라는 단어를 자주 보게된다. 수학 공부를 전혀 안했던 나로서 선형이라는 단어를 몰라서 그냥 되돌아간다는 느낌을 받는 단어였다. 이때부터 수학 공부에 중요성을 깨닫고 수학 공부를 다시 시작하는 계기가 되었다. 머신러닝에서 선형회귀란... Read More

인공지능 공부를 하다보면 파라미터, 하이퍼 파라미터 두 용어를 자주 보게 된다. 파라미터 모델 내부에서 결정되는 변수(매개변수), 데이터 세트를 통해 값이 결정된다. 학습 과정 중에 끊임없이 변경되는 Weight와 Bias는 Perceptron의 동작 특성을 결정하는 값들 ... Read More

경제학에서 비용함수란? 경제학에서, 비용함수는 어떤 생산량에서의 최소 생산비용을 대응한 함수이다. 이를 그림으로 나타낸 그래프를 비용곡선이라 한다. 고정 생산요소의 존재여부에 따라 장기와 단기 비용곡선을 나누며, 총비용함수 TC = TC(Q)에서 한계비용함수와 평균비용함수를 유도한다. 인공지능에... Read More

인공지능에서 입력 데이터 스트림이란 무엇일까? 머신러닝뿐만 아니라 네트워크 분야 등 컴퓨터 분야 공부를 하면 자주 접하게 되는 용어인 입력 데이터 스트림 (Input data streams) 은 무엇일까? 다양한 글이 있었지만 네트워크 분야에서의 원론적인 글만 있어 빅데이터 관점에서 데이터 분석을 위해 써진 ... Read More

← 이전 글로 　 다음 글로 → 들어가기 전에 1부는 머신러닝의 기초 개념과 용어를 소개해주는 장입니다. 수학적 지식도 부족하고 머신러닝 지식도 부족하다보니 1부를 통해 정말 많은걸 배웠습니다. 머신러닝 시스템의 종류 [35p] 지도 학습, 비지도, 준지도, 강화 학습 ... Read More

다음 글로 → 왜 이책을 읽기 시작했는가? 머신러닝에 개념이 없이 무작정 시작했던 책 “케라스 창시자에게 배우는 딥러닝” 이하 케라스 3장을 넘어갈 때 쯤 내가 너무 부족하고 이해가 안가는 부분이 태산 같이 많았다. 그래도 읽고 개념을 채워나가던 중 구매했던 책 “Hands-On Machine Learning w... Read More

Dictionary(dict), Map Dictionary는 “키(Key) - 값(Value)” 쌍을 요소로 갖는 컬렉션, 해시테이블(Hash Table) 구조이다. 파이썬에서 Dictionary는 “dict” 클래스로 구현되어 있다. Dictionary의 키(key)는 그 값을 변경할 ... Read More

DVCS(분산 버전 관리 시스템), Git을 공부하던 중 눈에 익숙한 용어를 읽고 넘어갔다. Checksum(체크섬)이라는 용어는 참 쉽게 볼 수 있지만 정확한 정의를 모르는 것 같아 따로 정리해두려고 한다. Git에서 Checksum이란? SHA-1 해시를 사용하여 40자, 16진수 문자열로 만... Read More

소크라테스 공부법 회피본능을 쓰고 유튜브를 듣던 중 우연히 공부에 대해 설명해주는 영상을 보게 되었다. 서울대 교육심리학 신종호 교수님의 말씀을 듣게 되었다. 공감되는 많은 말들 중 몇가지 요약하자면 뽀모도로 공부법, 짧게 최대한 집중하고 길게 공부해라 집중이 안되면 환경을 바꿔라 ... Read More

회피본능 < 알바하다 쓴 글 > 서론 : 기초 공부의 의문점 상단에 작선한 내 문제점은, 내가 아닌 대부분의 개발자들은 한번씩 해봤던 고민일 것이다. 그리고 완벽을 꾀하는 공부는 내가 과거부터 현재까지 1순위로 추구하는 공부 방법이다. 하지만 기초부터하는 공부는 정작 실전에 들어갈 때 많은 문제... Read More

머신러닝에서 파이프라인이란 무엇일까? 내가 생각하는 파이프라인 머신러닝은 수많은 과정이 집약된 시스템이다. 이 시스템은 한번 실행하면 끝나는게 아니다. 모델은 제작 된 후 수치, 하이퍼 파라미터 수정을 통해 모델의 최적화를 진행한다. 앞서 말한 것과 같이 이 과정은 수많은 과정을 다시 해야한다는 리스크... Read More

← 이전 글로 　 다음 글로 → 참고 : https://docs.opencv.org/master/db/deb/tutorial_display_image.html 실시간 동영상 처리하기 코드 #-Python-OpenCV/Program/video/video_prac import numpy as np # cv2 설... Read More

← 이전 글로 　 다음 글로 → 참고 : https://docs.opencv.org/master/db/deb/tutorial_display_image.html Lenna 출력하기 폴더 내부에 lenna.bmp가 없으면 이미지가 불러와지지 않습니다. 디렉터리 구조 -Python-... Read More

다음 글로 → 사전 준비물 : Anaconda3, Python, pip, PyCharm 가상환경 생성 conda create --name opencv python=3.7 conda activate opencv OpenCV 설치 python -m pip install opencv-python ... Read More

https://youtu.be/74OKW6VU1Xs?t=113 의 부모님을 기다리는 아이의 모습 유튜브를 보고 부모를 기다리는 아이들의 모습을 보고 나는 아이의 쓸쓸함에서 슬프고 아픈 마음보다 화나고 짜증나는 감정을 느꼈다. 왜? 우선 저런 상황을 만든 부모가 무책임해서 화가 났다. 그리고 현대 21세기... Read More

출처: https://www.instagram.com/p/CVH4hXqvYl1/?utm_source=ig_web_copy_link 사랑의 끝이 다가오는 걸 알았을 때 사람은 위기를 직면했을 때, 잃지 않기 위해 평소보다 노력하게 된다. 이별의 앞에서 사랑하는 사람을 잃지 않기 위해, 평소보다 노력하고 배려... Read More

를 보고… 팀(동료, 연인, 친구)이 나를 위해 한 행동이 내 예측된 결과를 방해했다면, 충분히 설명하지 못한 나의 잘못도 분명히 있다. 따라서 나는 상대방의 행동에 비판할 권리는 없다. Read More

참고: https://m.blog.naver.com/ekbae98/221321840751 서론 빌드 도구란 무엇일까? Django부터 Spring을 사용하면서 빌드 도구를 사용해보지 않은 사람은 없을것이다. 그럴 때마다 “도대체 이녀석들은 무엇일까?” 라는 의구심이 머리를 맴돌았다. 궁금한건 참지 못하는 나... Read More

← 이전 글로 　 다음 글로 → Lenna 출력하기 폴더 내부에 lenna.bmp가 없으면 이미지가 불러와지지 않습니다. 입력 #include "opencv2/opencv.hpp" #include <iostream> int main() { std::cout &... Read More

← 이전 글로 　 다음 글로 → OpenCV 설치 홈페이지로 이동 https://opencv.org/ 위 카테고리의 Library 클릭 최신버전의 Windows 선택 SOURCEFORGE에서 기다리면 설치됨 환경변수 설정 OpenCV_Build 폴더 ... Read More

다음 글로 → 황선규, 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』**, 길벗(2019-04-12) 서론 처음 OpenCV를 접하게된건 부경대학교 친구의 파이썬 과제를 도와주면서부터이다. 파이썬 라이브러리를 사용하여 영상 속 얼굴을 인식하고 인식한 얼굴을 머신러닝하여 자동 얼굴 라벨링 ... Read More

CV Paper List \[Generative\;Adversarial\;Nets\] $Abstract$ We propose a new framework for estimating generative models via an adversarial process, in which we simult... Read More

다음 글로 → 히라오카 카즈유키, 호라 켄, 이창신(옮김), **『**프로그래머를 위한 선형대수**』**, 길벗(2017-03-10) 서론 데이터 분석이 인공지는 연구에 있어 얼마나 중요한지는 모두가 알고 있을것이다. 웹 개발을 필두로 인공지능 공부에 처음 뛰어든 나는 선형대수의 기초부터 쌓아 올라가려고 한다... Read More

나는 왜 글을 시작했는가? 나는 중학교 때부터 네이버 블로그를 했었다. 지금과는 다른 성격의 블로그였지만. 내가 좋아하는걸 남들에게도 공유하고싶었다. 나는 데이터를 남기는것을 좋아한다. 내가 성장하는것을 남길 수 있고 저장할 수 있고 무임보다 모든것이 추억이라고 생각하기 때문이다. 이곳에서 무엇을 ... Read More