본문 바로가기

전체 글

 (34)
CUDA 프로그래밍 이해 쉽게 설명을 잘해놓은 블로그 https://zenoahn.tistory.com/85?category=621752 CUDA 프로세서에 대한 이해 http://haanjack.github.io/cuda/2016/03/31/cuda-processor.html http://haanjack.github.io/cuda/2016/03/27/cuda-prog-model.html
rhel7 좌충우돌 gcc 6 설치기 yum install --downloadonly --downloaddir=/home/root/gcc6_install gcc /home/max/ML/gcc6_install docker run -i -t --name rhel -v /home/max/ML/gcc6_install:/home/root/gcc6_install sotax/rhel7.3 bash Install dependencies: yum reinstall --setopt=protected_multilib=false --downloadonly --downloaddir=/home/root/gcc6_install gmp yum install --downloadonly --downloaddir=/home/root/gcc6_install gmp-devel ..
dot Product 내적 구하기, Back Propagation 설명이 잘되어 있어서 아래 링크를 남겨놓음 [Dot Product] https://m.blog.naver.com/PostView.nhn?blogId=jinohpark79&logNo=220011526532&proxyReferer=https%3A%2F%2Fwww.google.com%2F 21. 곱해서 더한다? 내적(dot product)의 의미 이번 공간은 내적의 의미에 대해 알아보려고 합니다. * 이번 공간에 앞서 알아두면 좋은 포스트 - 없음. 1.... blog.naver.com [Back Propagation] https://evan-moon.github.io/2018/07/19/deep-learning-backpropagation/ [Deep Learning이란 무엇인가?] Backpropagati..
이 놈은 무엇인가? What is a Norm? L0 Norm, L1 Norm, L2 Norm? Norm은 무엇인가? 놈(놂, 노름, 노음), 처음에는 Normalization의 약어인줄 알았다. Norm은 공간상에서 벡터(Vector)의 총 길이를 나타낸다 Norm을 측정하는데는 여러 방법이 있는데 가장 일반적인 것이, L0 Norm, L1 Norm, L2 Norm이 있다. L0 Norm 실제로는 Norm이 아니다 Vector가 0이 아닌 것의 갯수를 의미한다 v(0,0)이면 L0 Norm은 0이고 v(0,1)이면 L0 Norm은 1, v(0,2)이면 L0 Norm은?? 갯수이므로 그래도 1이다 v(1,2)이면 2가 되겠다. L1 Norm 맨하탄 거리로 알려져 있다. 아래 그림에서 [3,4]에 위치한 벡터가 있다면 길이는 3+4 = 7이다. L2 Norm 가장 많이 쓰이는 Norm으로 유클리드 거..
나만 자주 쓰는 Docker 명령어 정리 Docker Container 조회 docker ps docker ps -a Docker Container 실행 docker run -i -t --gpus all --name -v : -p : -p : Docker Container 저장 (Export) docker export container_name > test.tar Docker Container 불러오기 (Import) docker import test.tar - image_name:tag Docker Image 저장(Save) docker save -o tar파일명 image_name:tag * -o는 파일명을 지정하는 옵션이다 Docker Image 불러오기(Load) docker load -i tar파일명 Docker Commit (cont..
Face Feature 간 유사도 비교를 위한 KDTree, BallTree Face Feature 간 유사도 비교를 위해 BruteForce 방법을 써도 되지만 효율적인 탐색을 위해서 KDTree, BallTree의 사용이 가능하다 다만... 새로운 데이터셋이 추가되었을때 트리를 다시 구성해야 하는 것에 대해서는 좀 더 리서치가 필요하다..
Face Recognition API 만들기 JSON으로 요청하면 결과값을 Return 해준다. import cv2 import json import face_recognition from flask import Flask, request, jsonify def face_recog(img_path): img = cv2.imread(img_path, cv2.IMREAD_UNCHANGED) face_locations = face_recognition.face_locations(img, model="cnn") if len(face_locations) > 0: top, right, bottom, left = face_locations[0] face_img = img[top:bottom,left:right] feature = face_recognition...
좌충우돌 Tesseract 4.0 LSTM 학습하기 (2) 역시 오픈소스라 그런가... 설명이 아주 불친절하다. 뭐하나 하려면 크고 작은 언덕을 넘어야 하니.... 지난 (1)화에서 생성한 학습데이터를 학습시키기 위해서는 사전에 선행설치해야하는 것이 있으니 scrollView.jar 이다. 이 scrollView.jar와 이에 필요한 jar 3종 세트는 아래 사이트에서 받을 수 있다. https://github.com/tesseract-ocr/tesseract/wiki/ViewerDebugging 받고 난 후 JAVA가 설치 안되있다면 추가 설치해주자 준비가 되면 아래 명령어를 실행한다 (tesseract 디렉토리 밑에서 진행) lstmtraining --debug_interval 100 \ --traineddata ~/tesstutorial/engtrain/e..

티스토리툴바