본문 바로가기

분류 전체보기552

[논문 리뷰] DR3 : Value-Based Deep Reinforcement Learning Requires Explicit Regularization (ICLR 2022) DR3 : Value-Based Deep Reinforcement Learning Requires Explicit Regularization (ICLR 2022) 논문 : https://openreview.net/forum?id=POvMvLi91f DR3: Value-Based Deep Reinforcement Learning Requires Explicit... Despite overparameterization, deep networks trained via supervised learning are surprisingly easy to optimize and exhibit excellent generalization. One hypothesis to explain this is that... ope.. 2024. 3. 12.
[Airflow] Overview 보호되어 있는 글 입니다. 2023. 7. 13.
Object Detection Object Detection은 물체를 검출 또는 인식하는 문제이다. Computer Vision에서 처리해야하는 Task는 Classification, Object Localization, Object Detection, Instance Detection으로 나눌 수 있다. 1) Classification - image가 주여졌을 때, 이미지가 어떤 카테고리에 속하는지 분류하는 문제 - 입력 image에 분류해야할 Object는 하나 - Classification에 주로 사용되는 CNN이 Object Detection이나 Segmentation의 backborn이 된다. 2) Classification + Localization - 어떤 Object의 위치를 찾아내고(Bounding Box), 그 O.. 2023. 3. 28.
FCN(Fully Convolutional Network) Segmentation Segmentation은 사전적으로 '분할'이라는 의미를 가진다. 운영체제에서 세그멘테이션, 알고리즘에서 세그먼트 트리 또한 분할과 관련된 개념인 것을 알 수 있다. Deep learning에서 세그멘테이션은 기존의 classification과는 다른 문제이다. Classification(분류)은 어떤 input 이 주어졌을 때, input이 어떤 클래스에 속하는지 구별하는 문제 였다면 Segmentation은 (특히, 이미지에서) 각 영역이 어떤 의미를 가지는지 분리하는 것이다. 즉, 이미지의 픽셀 수준에서 분할하고 Classification하는 문제로 생각할 수 있다. Segmenation 문제에서 input에 무엇이 있는지 예측하기 위해서는 이미지의 각 픽셀이 '어떤 의미'를.. 2023. 3. 28.
CAE (Convolutional Autoencoder) CAE (Convolutional Autoencoder) - CAE는 auto encoder를 이미지 학습에 적용할 수 있도록 fully connected layer를 convolution layer로 교체해 autoencoder의 기본 구조를 확장 - Encoder에서는 Convolution 연산을 수행하고 Decoder에서는 Transposed convolution 연산 수행 1) Encoder network - convolution layer - convolutional layer에서의 연산은 아래 이미지처럼 처리된다. - convolutional layer에서 output의 길이는 \(output = \frac{input + 2 * padding - kernel}{stride} + 1\)로 정해진.. 2023. 3. 27.
Multiprocessing - multiprocessing(https://docs.python.org/3/library/multiprocessing.html) 공식 문서 참고 Multiprocessing - multiprocessing은 API를 사용해 process spawning 지원 - processing spawning은 parent process가 os에 요청해 새로운 child process를 만들어내는 과정 - local concurrency와 remote concurrency를 지원하며, GIL(Global Interpreter Lock)을 효과적으로 우회 - Local concurrency is defined as "within a system" (e.g. a multi-core CPU), nonlocal conc.. 2023. 3. 24.
Autoencoder 1. 오토인코더(Autoencoder) 어떤 지도 없이 잠재표현(latent representation) 또는 코딩(coding)이라 부르는 input data의 밀집 표현을 학습할 수 있는 인공 신경망 코딩은 input data 보다 훨씬 낮은 차원을 가지므로 차원 축소(dimenssion reduction), 시각화 등에 사용되고, 강력한 특성 추출기(Feature Exractor)처럼 동작하기 떄문에 심층 신경망의 비지도 사전 훈련에 사용. 또한, 일부 오토 인코더는 훈련 데이터와 매우 비슷한 새로운 데이터를 생성하는 생성 모델(generative model)로도 활용될 수 있다. 오토 인코더는 단순히 입력을 출력으로 복사하는 방법을 배우는데, latent space의 크기를 제한하거나 input에.. 2023. 3. 5.
2023.01 [2022년 회고] [2022년 회고] 다사다난했던 2022년이 끝이 나고 새로운 해를 맞이했다. 여전히 같은 파트에서 좋은 사람들과 함께 즐겁게 일을 하고 있다. 새해가 되었을 때 22년도에 찍었던 사진들을 보았다. 서핑, 패러글라이딩, 파타야 여행, 클라이밍, 단이 입양, 가족 여행, 등산, 장영실상 수상, 봉사활동 등 정말 열심히 한 해를 보냈다는 것을 느꼈고 뿌듯했다. 한 해를 보내는 순간에는 더 부지런하게 살지 못한 것에 대해 후회하면서 마무리할 때는 그래도 잘 보냈다? 라는 생각을 하는 것 같다. 특히 올해는 이만큼 공부하고 성장했다는 생각보다, 많을 것을 경험하고 느꼈다라는 생각을 한 특별한 해가 되었다. 삶과 업무, 두 가지 측면에서 작년을 곰곰이 생각해보았다. 먼저 삶에 있어서는 제일 먼저 드는 생각은 유독.. 2023. 1. 16.
[GPDB Administrator 교육 2일차] 보호되어 있는 글 입니다. 2022. 12. 14.
[GreenplumDatabase 교육 1일차] GreenplumDatabase - greenplum은 구조적으로 병렬 아키텍처 1. Greenplum Fundamental Concepts 1) Greenplum Architecture (0) 스케일업과 스케일 아웃 Scale up - 시스템 리소스에 대한 요구가 증가하게 될 경우, 하나의 물리 서버의 리소스 크기(CPU, Memory)를 늘리는 방법 Scale Out - (Greenplum Architecture) - 시스템 리소스에 대한 요구가 증가하게 될 경우, 여러 서버를 증설하는 방법 - 하나의 서버는 각 서버와 독립적으로 테스크를 수행 - Scale Out 구조의 GPDB를 정상적으로 동작하게 하려면 운영 방법에 대한 이해가 필요 https://dheldh77.tistory.com/entry.. 2022. 12. 13.
[Clean Architecture 정리] 27장. '크고 작은 모든' 서비스들 - ing 보호되어 있는 글 입니다. 2022. 9. 20.
[Clean Architecture 정리] 26장. 메인 컴포넌트 26장. 메인 컴포넌트 모든 시스템에는 메인이라는 컴포넌트가 존재하고, 메인이 나머지 컴포넌트의 생성, 조정, 관리의 역할을 담당한다. 궁극적인 세부사항 메인 컴포넌트는 궁극적인 세부 사항으로 가장 낮은 수준의 정책이다. 메인은 팩토리, 전략, 시스템 전반에 필요한 객체들을 생성하고 더 높은 수준에 정책에 제어권을 넘긴다. 스프링과 같은 의존성 주입 프레임 워크에서 의존성을 주입하는 역할을 메인 컴포넌트에서 이뤄진다. 책에서 나온 예제를 보면 메인 컴포넌트와 메인 함수가 있다. 메인 컴포넌트에서 주목할 점은 시스템에서 사용되는 문자열을 로드해서 나머지 핵심 영역에서 이 문자열을 알지 못하도록 한다. 코드에서 문자열은 쉽게 변경될수도 있고, 개발자의 실수로 인해 오타가 발생할 수도 있다. 진행하고 있는 과.. 2022. 9. 16.