분류 전체보기

데이터 설계 공부 - 1

데이터 중심 어플리케이션 설계 책 스터디 시작5장 복제부터 먼저 보려고 한다.목차5-1. 리더와 팔로워5-2. 복제 지연 문제5-3. 다중 리더 문제5-4. 리더 없는 복제5-5. 리더와 팔로워5장 복제더보기용어 정리1. 복제2. 복제 서버  복제란?네트워크로 연결된 여러 장비에 동일한 데이터의 복사본을 유지하는 것 복제가 필요한 이유?지리적으로 사용자와 가깝게 데이터를 유지해 지연 시간을 줄임시스템의 일부의 장애가 발생해도 지속적으로 동작할 수 있게 함 -> 고가용성읽기 처리를 하는 장비를 확장해 읽기 처리량을 증가시킬 수 있음복제의 어려움?복제 시 데이터가 변경될 수 있어서 이에 대한 처리 및 규칙이 필요함 => 단일 리더, 다중 리더, 리더 없는 복제동기식 복제 or 비동기식 복제잘못된 복제본 처리..

다시 계획하고 시작

탈락의 아픔은 곱씹을수록 커지는 것 같다. (하루정도는 아쉬워해도 괜찮다고 생각한다.) 내일부터는 바로 털고 다시 계획하고 시작하려고 한다. 지금 부족한 부분을 하나씩 채워나가다보면, 언젠간 다다를 수 있을 것이라고 생각한다. 내가 좋아하는 마라톤처럼 오버페이스 하지 않고 한걸음씩 내딛자. 모두 화이팅!

백준 1463 1로 만들기 (Python)

다이나믹 프로그래밍 방법 바로 생각하기 은근 까다롭다. def dynamic_prog(num, dp): for i in range(2, num+1): dp[i] = dp[i-1] + 1 if i % 3 == 0: dp[i] = min(dp[i], dp[i//3] + 1) if i % 2 == 0: dp[i] = min(dp[i], dp[i//2] + 1) print(dp[num]) N = int(input()) dp = [0] * (N+1) dynamic_prog(N, dp)

AlexNet 리뷰 + 구현(pytorch)

논문 리뷰 1. 사용한 Data - ImageNet dataset 22,000개 범주로 구성되어 있고 1500만개의 고해상도 이미지가 포함되어있는 data set - 이미지 크기 256x256으로 고정 resize 방법은 이미지의 넓이와 높이 중 더 짧은 쪽을 256으로 고정시키고 중앙 부분을 256x256 크기로 crop (이후 augmentation을 위해 227X227로 자르긴 한다.) 2. 구조 Input layer - Conv1 - MaxPool1 - Norm1 - Conv2 - MaxPool2 - Norm2 - Conv3 - Conv4 - Conv5 - MaxPool3 - FC1 - FC2 - Output layer순서 3. 활성화 함수 ReLU 4. 2개의 GPU로 나누어 학습 구현시에는 2..

백준 2529 부등호 (Python)

브루트포스 + 백트래킹 순열은 라이브러리 사용 (직접 구현해보는 연습도 해놓자.) import sys from itertools import permutations input = sys.stdin.readline def solution(nums): for comb in permutations(nums, len(nums)): print(comb) flag = True for idx in range(k): if signs[idx] == '': if comb[idx] < comb[idx+1]: flag = False break if flag: print(''.join(map(str, comb))) break k = int(input()) signs = input().split() nums_sm = [i for..

논문 구현 시작

Pytorch를 사용해서 CV 논문부터 구현을 해보려고 한다. 시간이 된다면 딥러닝 프레임워크 없이 구현해보고 싶기도 한데, 일단은 Pytorch를 사용해서 하나하나 구현해보려고 한다. 목차 1. AlexNet 2. VGG

WSL2(vs Git Bash), Ubuntu, Windows Terminal

WSL = Linux용 Windows 하위 시스템 아키텍쳐(Windows Subsystem for Linux) 윈도우 사용자로써, Linux 시스템을 이용해야할 때가 있다. 이제는 윈도우 자체적으로 WSL 기능을 제공하기 때문에, 보다 편하게 리눅스를 사용할 수가 있게 되었다. 현재는 WSL2가 나와있어서 WSL2로 먼저 설치를 진행하면 된다. 또한 마이크로소프트 스토어에서 자체적으로 제공하는 Windows Terminal을 같이 활용하면 더 편하다. 다른 터미널들도 쓸 수 있고, 아까 설치한 WSL2+Ubuntu로 리눅스 시스템을 현재 사용중이다. (우분투 버전은 lsb_release라고 치면 확인할 수 있다.) 예전에는 Git Bash를 자주 사용했는데 차이점을 검색해보니 다음과 같다고 한다. WSL..

CNN - 1x1 convolution의 중요성(AlexNet, VGGNet, GoogleNet, ResNet, DenseNet)

ILSVRC라는 Visual Recognition Challenge와 대회에서 수상을 했던 5개 Network 들의 주요 아이디어와 구조 ILSVRC : ImageNet Large-Scale Visual Recognition Challenge Network list AlexNet 최초로 Deep Learning을 이용하여 ILSVRC에서 수상 5 convolution layers + 3 dense layers (총 8 layers) ReLU 사용 => vanishing gradient problem이 없음 Data augmentation Dropout VGGNet 3x3 Convolution을 이용하여 Receptive field는 유지하면서 더 깊은 네트워크를 구성 Receptive field 참고 자..