공부
-
Chapter7 C언어로 컴파일하기공부/High Performance Python 2024. 8. 21. 12:01
코드를 빠르게 하는 가장 쉬운 방법?처리할 작업의 양을 줄이는 것최적의 알고리즘을 사용해라~그 다음으로는 수행할 명령의 수를 줄이는 방법명령의 수를 줄이려면 코드를 기계어로 컴파일 사이썬 - C언어로 컴파일하는데 사용하는 가장 일반적 도구, numpy와 일반 파이썬 코드 모두 커버Numba - numpy코드에 특화된 컴파일러PyPy - 일반 파이썬 실행환경을 대체하는 비 numpy코드를 위한 JIT 컴파일러7.1 가능한 속도 개선의 종류컴파일로 빨라질 수 있는 부분은 대부분 수학적인 부분why? 같은 연산을 무수히 반복하기 때문이런 루프에서는 임시 객체를 많이 사용할 확률이 높음근데 numpy연산은 임시 객체를 많이 생성하지 않아서 컴파일이 별 도움이 안 된다고 함 프로그램 동작 이해를 목표로 프로파일=..
-
Unifying Short and Long-Term Tracking with Graph Hierarchies공부/논문 2024. 8. 10. 13:39
어떸케 모델 이름이 SUSHI...?멋있다...https://arxiv.org/pdf/2212.03038 Abstracttracking은 장,단기 tracking 둘 다 고려해야함더보기단기 tracking?가려지지 않은 객체에 대한 연관성장기 tracking?가려졌다가 다시 나타나는 객체에 대한 연관성하이브리드 접근 방식인 SUSHI 제안긴 클립을 하위 클립 계층으로 분할하여 처리하므로 확장성이 뛰어남그래프 신경망을 활용하여 계층 구조의 모든 레벨을 처리=>시간적 규모에 관계없이 모델을 통합하고 매우 일반적1. Introductiontracking by detection은 MOT에 자주 쓰이는 패러다임1. 모든 프레임에서 객체를 detection2. data association : 객체를 traject..
-
Chpater2 파이썬스러운 코드공부/파이썬 클린코드 2nd Edition 2024. 8. 8. 08:18
관용구특정 작업을 수행하기 위해 코드를 작성하는 특별한 방법이 관용구를 따른 코드를 파이썬에서는 파이썬스럽다(Pythonic)고 함 파이썬스러운 코드를 왜 짤까?1. 일반적으로 더 나은 성능을 내기 때문2. 코드가 작고 소듕..작고 이해하기 쉽기 때문3. 전체 개발팀이 동일한 패턴과 구조에 익숙해지면=>실수를 줄이고 문제의 본질에 보다 집중 가능 인덱스와 슬라이스파이썬에서 지원하는 것 중 특이한 점!음수 인덱스my_num=(1,2,3,4)my_num[-1]>>>4 slice 지원*끝 인덱스는 포함하지 않음my_num=[1,2,3,4]my_num[:2]>>>[1,2]#간격 지정my_num[::2]>>>[1,3] slice는 내장 객체이므로 직접 호출도 가능!s=slice(None,3)my_num[s]==m..
-
Segment Anything공부/논문 2024. 8. 3. 20:25
SAM2가 나온 기념으로 SAM 논문 리뷰!https://arxiv.org/pdf/2304.02643 AbstractSA 프로젝트 : image segmentation을 위한 새로운 task, model, dataset1. IntroductionLLM은 zero-shot, few-shot generalization를 통해 NLP에 혁신을 일으키는 중이러한 foundation model은 일반화 가능이런 일반화는 프롬프트 엔지니어링을 통해 구현되는 경우가 많음 CV에서는 NLP만큼은 아니지만 연구되어 왔음ex)CLIP, ALIGNconstrastive learning을 통해 text, image encoder를 훈련훈련된 encoder는 새로운 시각적 개념, 데이터 분포에 대한 zero-shot ..
-
원형 큐 알고리즘공부/알고리즘 2024. 6. 15. 15:00
pseudocode원형 큐 생성 : font, rear 0으로 초기화createQUeue() cQ[n]; front
-
An Image is worth 16*16 words: Transformers for image recognition at scale공부/논문 2024. 6. 6. 13:07
https://arxiv.org/pdf/2010.11929 ViT논문 드디어 리뷰한다! Abstracttransformer는 자연어 처리에서 많이 사용되는 중, 컴퓨터 비전에서는 제한적 사용주로 vision에선 attention은 conv net과 함께 적용되거나 전체 구조를 유지하면서 conv net의 특정 구성 요소를 대체하는 데 사용여기서는 CNN에 의존하지 않고 이피미 패치 시퀀스에 직접 transformer를 사용해서 이미지 분류 작업에 우수한 성능을 보인다는 것을 보임ImageNet, CIFAR-100, VTAB 등 여러 중형~소형 이미지 벤치마크로 ViT가 훨씬 적은 자원으로 CNN에 비해 우수한 결과를 내는 것을 확인했음1. Introductionself-attention 기반 아키텍처(특..
-
Build with AI 2024 Seoul공부/기타 2024. 3. 31. 21:21
1. 제로부터 시작하는 Flutter with Gemini 생활 1. LLM 인공지능>머신러닝>딥러닝 LLM 왕짱큰 언어모델 Attention Is All You Need 어텐션은 왕짱이다 NVIDIA→UXL대체 2. Flutter with Gemini 3. Google GenAI Gemma Open source Gemini알고리즘 그대로 사용 2B→모바일용, 7B→데스크탑용 에뮬레이터 상에서 속도는 생각보다 느리고, GPU model은 에러 발생 4. Live Demo 지금 당장 쓰기엔 어려울 듯 2. Gemma와 Flutter : 나만의 on-device 자비스 만들기 실습 겁나 갈김 3. Gemini를 활용한 이미지와 음악 만들기 : Zero2Story AI어쩌구저쩌구 설명설명 Zero2Story ..
-
프롬프트 엔지니어링 가이드공부/AI 2024. 3. 28. 15:39
https://www.promptingguide.ai/kr 프롬프트 엔지니어링 가이드 – Nextra A Comprehensive Overview of Prompt Engineering www.promptingguide.ai Introduction LLM설정 temperature 값이 낮을수록 항상 가장 확률이 높은 토큰이 선택=>결정론적인 결과를 낳음 ex)질의응답 값이 높을수록 모델이 선택하는 토큰의 무작위성이 증가하여 보다 다양하고 창조적인 결과를 촉진=>다른 가능한 토큰의 가중치를 증가시키는 것과 같음 ex)글짓기 top_p 모델이 응답을 생산하는 결정성을 제어 정확하고 사실적인 답변을 원한다면 낮게, 더 다양한 반응을 원한다면 높게 설정 =>일반적으로 둘 중 하나 변경하는 것을 권장 프롬프트의 ..