ky.agile

이 글에 포함된 모든 사진 자료들은 (서태원 지음) 에서 가져왔습니다. Pipeline CPU란 “ pipeline CPU란, single-cycle CPU 구조를 여러 stage로 나누어, 각 부분을 동시에 활용되게끔 하는 것이다. (아래 사진 참고) single-cycle CPU에서는, 하나의 instruction이 완료되고 나서야 그 다음 instruction을 수행한 데 비해, pipeline CPU의 경우, 매 clock cycle의 각 stage에서는 다른 instruction이 실행되고 있다. (아래 사진 참고) “ 전형적인 것은 5-stage pipeline CPU이며, 각 stage는 다음과 같다: IF(Instruction Fetch): 명령어를 읽는 단계 ID(Instruction D..

상황 설명은 필요 없고 빠른 해결을 원하신다면 빨간 글자를 따라가주세요! 상황. pyqt를 이용해 인터페이스의 구성과 기능을 정의했으며, 그 기능들 중에는 yolo v8 모델의 predict 메서드를 활용하는 것이 있다. 실제로 실행시킬 main.py는 별개로 작성했으며, 여기서는 위에서 만들어진 인터페이스 py 내의 클래스를 임포트한다. 나는 이 main.py를 exe로 만드려 한다. 우선 새로운 폴더에 프로그램 구동에 필요한 모든 파일 (인터페이스 py 파일, main.py, yolo v8 모델의 pt 파일 정도?) 들을 넣어놓고, 이 폴더 위치에서 터미널을 열어 아래와 같이 실행하였다. pyinstaller -w -F main.py 이를 통해 생성된 작업폴더 > dist > exe 파일을 실행해보았..

Understanding the task The goal of object detection is to recognize instances of a predefined set of object classes (e.g. {people, cars, bikes, animals}) and describe the locations of each detected object in the image using a bounding box. Two examples are shown below. Example images are taken from the PASCAL VOC dataset. We'll use rectangles to describe the locations of each object, which may l..

SIFT (Scale Invariant Feature Transform) detects distinctive keypoints(local features) or features in an image that are robust to changes in scale, rotation, and affine transformations We naturally understand that the scale or angle of the image may change, but the object remains the same. BUT machines have an almighty struggle with the same idea. It’s a challenge for them to identify the object..

3. Recent advances in NLP # 옛날의 문제: definition of a suitable and effective representation of tokens, sentences, and documents # one-hot encoding 문제점: huge vector, drop of relations 3.1. Word and sentence vectors # Word2vec * word vectors or word embeddings - 비슷한 뜻의 단어 -> 비슷한 representation * CBOW: reconstruct a target word given its context as input * Skip-gram: predict context words given the t..

Docker : containerization platform and runtime - provides an efficient way to package and distribute containerized applications - declaratively package an application, its dependencies, and configuration together into immutable container images by writing a Dockerfile and then running the appropriate commands to build the image using the Docker server - container images can be deployed and run o..

data center --------------------> device (mobile phone / laptop) 1. browser sends a request to the DNS server to get the corresponding IP address IP address : Every device connected to the internet (ex. server. computer. mobile phone. etc) is identified uniquely by an IP address (string of numbers) - IP address of servers: Domain names are used DNS server : provides IP address corresponding to t..

1. Supervised Learning : 문제와 정답 제공 (feature & label) 1) Classification : 수많은 개/고양이 사진 입력함 (feature: 사진 & label: 개/고양이) -> 학습하고 특성 이해 -> 개/고양이일 확률 2) Regression ex) 키에 따른 신발 사이즈, 예지정비 2. Unsupervised Learning : feature는 있는데 label이 없음 -> 패턴/구조 발견, 그룹화 정확도에 한계가 있음 anomaly detect 1) Clustering 데이터가 아주 많은데 전부 라벨링하긴 어려울 경우 2) Dimensionality Reduction 3. Reinforcement Learning 보상 제공: 어떤 행위를 했을 때 보상을 제공..

첫 번째 계층: Presentation Tier(Client) : 일반 사용자가 직접 액세스 할 수 있는 프레젠테이션 계층 콘텐츠를 HTML/JS/CSS 형식으로 브라우저에 전송 (React, ..) 모든 HTTPS 지원 클라이언트 또는 장치와 통신할 수 있으므로 프레젠테이션 계층은 다양한 형식(데스크톱 어플리케이션, 모바일 앱, 웹페이지, IoT 장치 등)을 유연하게 수행 두 번째 계층: Logic Tier(Application) : 비즈니스 로직이 실행되는 비즈니스 로직 계층 예) 어플리케이션 서버를 사용하고 어플리케이션에 대한 비즈니스 논리를 처리 (C#,Java,C++,Python,..) 세 번째 계층: Data Tier(Database) : 데이터 스토리지 계층 응용 프로그램 데이터에 대한 액세..

: 클래스 없는 도메인간 라우팅 기법 클래스가 없다: 네트워크 구분을 Class로 하지 않는다 Class: 사이더가 나오기전 사용했던 네트워크 구분 체계 사이더가 나오면서 Class 체계보다 더 유연하게 IP주소를 여러 네트워크 영역으로 나눌 수 있게 됨 Intra-Domain과 같이 각 네트워크 대역을 구분 짓고 Inter-Domain 과 같이 구분된 네트워크간 통신을 위한 주소 체계 CIDR이 "/24" -> 앞에서부터 24비트 이후에 오는 4번째 옥텟을 전부 사용할 수 있다는 표현 143.7.65.203/24 -> 143.7.65.0 ~ 143.7.65.255 까지 사용가능 https://www.ipaddressguide.com/cidr