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..

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..

요즘 Deepseek가 화제입니다.중국이 오픈소스를 했다는 것도 정말 의외였습니다.그래도 은연 중에 개인정보 걱정을 할 수 있는데요.오늘은 자신의 PC에 모델을 설치해서 deepseek을 안전하게 사용하는 방법을 공유하려고 합니다. ollama 설치ollama는 https://ollama.com 에 접속해서 다운로드하면 됩니다.접속해서 보이는 download 버튼을 눌러 자신의 운영체제에 맞는 ollama를 다운로드 하세요. 설치가 완료되면 ollama가 백그라운드로 실행됩니다.알림을 누르면 오른쪽과 같이 powershell이 실행되면서 ollama가 정상적으로 설치된 것을 확인할 수 있습니다.ollama 설정 (선택사항)저는 C 드라이브 용량이 적어서 다른 드라이브에 ollama model을 다운로드하..