Roquen_Home

https://cs231n.github.io/neural-networks-3/ CS231n Deep Learning for Computer VisionTable of Contents: Learning In the previous sections we’ve discussed the static parts of a Neural Networks: how we can set up the network connectivity, the data, and the loss function. This section is devoted to the dynamics, or in other words, the procecs231n.github.io이번에는 위 내용에 대해서 한글로 정리해보겠습니다. 학습지난 섹션에서는 인공신경..

https://cs231n.github.io/neural-networks-2/ CS231n Deep Learning for Computer VisionTable of Contents: Setting up the data and the model In the previous section we introduced a model of a Neuron, which computes a dot product following a non-linearity, and Neural Networks that arrange neurons into layers. Together, these choices define thecs231n.github.io이번에는 위 내용을 한글로 정리해보겠습니다. 데이터와 모델 설정하기이전 섹..

https://cs231n.github.io/neural-networks-1/ CS231n Deep Learning for Computer VisionTable of Contents: Quick intro It is possible to introduce neural networks without appealing to brain analogies. In the section on linear classification we computed scores for different visual categories given the image using the formula \( s = W x \), whecs231n.github.io이번에는 위 내용을 한글로 정리해보겠습니다. 빠른 소개 (Quick intr..

https://cs231n.github.io/optimization-2/CS231n Deep Learning for Computer VisionTable of Contents: Introduction Motivation. In this section we will develop expertise with an intuitive understanding of backpropagation, which is a way of computing gradients of expressions through recursive application of chain rule. Understanding of thics231n.github.io이번에는 위 내용을 한글로 정리해보겠습니다.개요이 섹션에서 해결하려는 주요 문제는 ..

https://cs231n.github.io/optimization-1/ CS231n Deep Learning for Computer VisionTable of Contents: Introduction In the previous section we introduced two key components in context of the image classification task: A (parameterized) score function mapping the raw image pixels to class scores (e.g. a linear function) A loss function thacs231n.github.io이번에는 위 내용에 대해서 한글로 정리해보겠습니다. 최적화(Optimization..

https://cs231n.github.io/linear-classify/ CS231n Deep Learning for Computer VisionTable of Contents: Linear Classification In the last section we introduced the problem of Image Classification, which is the task of assigning a single label to an image from a fixed set of categories. Moreover, we described the k-Nearest Neighbor (kNN) clcs231n.github.io이번에는 위 내용에 대해서 한글로 정리해보겠습니다.선형 분류 개요이미지 분류를 ..

https://cs231n.github.io/classification/ CS231n Deep Learning for Computer VisionThis is an introductory lecture designed to introduce people from outside of Computer Vision to the Image Classification problem, and the data-driven approach. The Table of Contents: Image Classification Motivation. In this section we will introduce the Imcs231n.github.io 이번에는 위 내용에 대해서 한글로 정리하도록 하겠습니다. 이미지 분류고정된 카테..

리눅스 커널 모듈 개발을 위해 샘플 코드를 빌드하고 설치하려고 했는데 아래와 같은 에러가 발생했습니다.module hello_world: .gnu.linkonce.this_module section size must match the kernel's built struct module size at run time 구글링을 통해 여러 방법들 ( 리눅스 헤더 설치, build-essential 설치 등)을 시도해보다가해결방법을 찾아서 공유합니다.  해결방법해결방법은 리눅스 헤더 재설치였습니다. 아래와 같은 명령어를 사용합니다.sudo apt install --reinstall linux-headers-$(uname -r)샘플 리눅스 커널 모듈 소스hello_world.c#include #include #i..

리눅스 커널을 공부하기 위해 가장 단순한 빌드부터 해보도록 합니다.환경은 윈도우 버추얼 박스에 설치된 우분투 24.04 입니다소스 코드 다운 받기인터넷이 연결되어 있다면 아래 명령으로 바로 다운받고 아니면 홈페이지에서 다운 받습니다.curl -O https://cdn.kernel.org/pub/linux/kernel/v6.x/linux-6.13.2.tar.xz 커널 다운로드 페이지 : https://www.kernel.org 빌드커널 빌드를 위해 필요한 라이브러리들을 설치합니다.sudo apt install flexsudo apt install bisonsudo apt install libssl-devsudo apt install libelf-dev 그 후에는 빌드 설정을 위해 아래 명령을 실행합니다.m..

지난 포스팅에서 ollama를 이용해 로컬에서 deepseek 모델을 실행하고Chatbox를 이용해 gpt를 사용하는 것처럼 사용해보았습니다. 그런데 그렇게 설정을 해두고 시간이 조금 흐른 후에 다시 질문을 했을 때속도가 확연히 느려진 것을 확인하실 수 있습니다.그 이유는 모델을 gpu나 cpu에 로딩하는 시간이 필요하기 때문입니다. 이번 포스팅에서는 첫 질문이 너무 느린 문제를 해결하기 위해모델을 바로 언로드 하지 않도록 설정하는 방법을 공유하려고 합니다. 기본 설정 확인하기powershell에서 ollama ps라는 명령어를 입력하면 위와 같이 UNTIL 값을 확인할 수 있습니다.이 값이 마지막 질문을 답하고 언제까지 모델을 유지할 지 설정하는 값입니다.그래서 5분이 지나면 위와 같이 GPU 메모리에..