본문 바로가기

분류 전체보기

 (152)
[OpenSource | backend.ai] 4. Install backend.ai with sh file, (error solving) 로컬에 backend.ai를 설치하는 방법을 소개한다. 나는 WSL2를 사용하다가 여러가지 이유(dock port, env path, etc)로 mac으로 회귀하였다........... github.com/lablup/backend.ai lablup/backend.ai Backend.AI is a streamlined, container-based computing cluster orchestrator that hosts diverse programming languages and popular computing/ML frameworks, with pluggable heterogeneous accelerator su... github.co..
[OpenSource | backend.ai] 3. backend.ai console 빌드 및 실행 Seungyeup/backend.ai Backend.AI is a streamlined, container-based computing cluster orchestrator that hosts diverse programming languages and popular computing/ML frameworks, with pluggable heterogeneous accelerator su... github.com 이번에는 backend.ai console을 윈도우즈 환경에서 빌드하고 실행시켜 보도록 할 것이다. 방법은 일단 두가지가 존재한다. 큰 맥락에서는 두 방법이 동일하지만 윈도우즈 터미널을 사용하는지의 여부가 차이점이다. windows 를 사용하는 사람들은 꼭 한번 써보기를 권장한..
[OpenSource | backend.ai] 2. Git / 프로젝트 한글화 간단한 PR 사실 프로젝트에 대한 기여는 굉장히 다양한 분야가 있다, front,back,bash,cloud,ai등 각 분야에 기여자의 손길을 원하는 부분들은 널려있다. 하지만 프로젝트에 대한 기여를 바로 시도해 보기란 쉽지 않다. 따라서 프로젝트에 대한 기여를 어떤 방식으로 하게 되는 지를 간접적으로 경험하게 하기 위해서, 멘토님들이 프로젝트에 내포된 간단한 문서에 대한 한글화를 기여하는 pr을 넣어보는 미션을 주셨다(사실 협업하면서 깃에 풀리퀘스트를 넣는 방식과 동일하다). 이를 간단하게 리뷰해보고자 한다. 깃을 처음 접하는 초심자들에게 도움이 될 것이다. 1. 먼저 기여할 프로젝트에 들어가 내 깃 레포지토리에 frok하도록 한다. 나의 경우엔 https://github.com/l..
[OpenSource Contributhon] 1. Backend.ai, 발대식 참가(7/27) 과학기술정보통신부가 주최하고, 정보통신산업진흥원이 주관하는 2020년도 opensource conributhon에 멘티자격으로 참여하게 되었다! 방학때 뭐 재밌는게 없을까 하고 이곳저곳을 기웃거리고 있었는데, 마침 open-source에 기여해볼 수 있는 opensource-conributhon이 눈에 들어왔다. 사실 open-source라는 것을 써보기만 했지 실제로 이에 기여한다는 것은 나같은 새내기 개발자가 도전하기란 쉽지 않은 길이다. 하지만 뛰어난 선배 멘토 개발자님들과, 또 같은 멘티들과 함께 이에 도전할 수 있는 기회가 있다 하여 곧바로 지원하게 되었다. 내가 지원한 프로그램은 backend.ai라는 open-source였다. 제목부터가 b..
[Django-Rest-Framwork] Postman에서 csrftoken 자동화하기 빈둥거리며 살다가 이제야 정신을 차리고, 다시 하던것들을 조금씩 정리하고 기록으로 남기기로 했다. 학교에서 진행하는 해커톤을 준비하면서 Django-Rest-Framwork로 간단한 rest-api서버를 만들었고 이는 다음과 같다. 하지만 내 고민은 이를 테스트하기 위한 환경이였다. 물론 해당 url를 찍어 들어가면 문제는 없었지만, json 방식의 응답에 api요청들이 잘 처리되는지 확인할 필요가 있었다. 그래서 찾아낸 방법이 postman이다. www.postman.com Postman | The Collaboration Platform for API Development Simplify each step of building an API and streamline collaboration so yo..
[ML/Lecture] 8. Introduction to Deep Learning 전반적인 내용정리, 기초. 데이터가 주어졌을때, 컴퓨터가 모델을 만들어 prediction을 할 수 있도록 하는것을 machine-learning이라고 한다. 사실 저런식으로 문제를 풀어내기 위해서는 박사 5년차 정도는 되어야 문제 하나를 잘 풀어낼수 있게 된다고 한다;; 도메인 전문가가 feature-extraction을 해주지 않는 이상 machine-learning작업을 하는 것이 쉽지 않았다. 하지만 이런 부분들을 어떤 frame-work이 대신할수는 없을까 하는 생각에서 나온 것이 deep-learning이다. 인풋의 뉴런은 count하지 않으므로, 6개의 뉴런과, 12+8인 20개의 weight, 그리고 biases는 input->h..
[ML/Lecture] 7. Learning from Examples (Part B) Regression이란 value를 예측하는 것, 즉 그 값을 예상하는 것을 말한다. classification은 분류의 문제, label을 어떻게 붙일것인지를 물어보는 것이였다. 위의 예제처럼 집의 면적이 주어지면, 그 가격을 예측하는 문제가 한가지 예시가 될 수 있다. 이에 연계되어, 그 측정치의 포인트들이 classifier가 될 수도 있다. 모델이 1차식으로 주어지면 위와 같이 h(x) = w1x + w2로 쓸 수 있다. 결국 목표는 예측치와 실제값의 차이가 0이 되도록 하는 것이 목표이다. 각 example들의 차의 제곱을 sum한 것이 squared loss이다. 위 식에서 w1과 w0를 통해 전체 값을 minimize하는 값을 찾고 싶은 것이다. 따라서 미분을 통해 linear regress..
[ML/Lecture] 6. Learning from Examples (Part A) Supervised learning과 Unsupervised learning에 대해서 이야기해 보도록 하자. 가설 h가 있을때 이를 학습시키는데에 있어 input과 output pair가 존재하는 것을 supervised-learning이라고 한다. 결과는 classification(분류)를 하여 어느 분류에 속하는 지를 판단할 수도 있고, regression(회귀)를 통해 연속적인 값을 뽑아내기도 한다. 만들어낸 모델이 모든 예제 데이터 셋을 만족하면 모델(가설h)는 consistent하다고 이야기한다. 트레이닝 데이터 뿐 아니라 다른 데이터에도 적용이 잘 되는 경우 generalize가 잘 되었다고 이야기한다. ockham's razor..
[ML/Lecture] 5. Inference in BN burglary부분에서 sum의 부분을 실질적으로 구현하기 위해서는 for loop을 통해 계속해서 계산을 할 수 있을 것이다. 각 variable의 value들에 대해 enumeration을 진행한다고 하면 CPT만큼의 space가 필요하겠지만 time-complexity는 기하급수적으로 늘어나게 될것이다. 위의 트리를 보면 알 수 있다. +는 전체 sum을 뜻하는데 각각의 길목마다 sum을 해서 올라가야 하는 구조이다. 이런식으로 계산하게 되면 중복되는 부분이 많아진다. 즉 계산했던 부분들이 반복되는 문제점이 있다. 이는 낭비이다. 이 부분이 exponential time complexity를 만들어 내는 것이다. 다음 의사코드를 확인해보..
[ML/Lecture] 4. Bayesian Networks 베이지안 네트워크의 간단한 예시를 보여주고 있다. 내용은 간단하다. 도둑이 들면 알람이 울리고, 지진이 일어나도 알람이 울린다. 알림이 울리면 john과 marry가 각각 이를 인식해서 알려준다는 네트워크이다. 이를 확률과 함께 나타내면 아래 그림과 같다. 도둑이 들 확률은 0.001이다. 지진이 일어날 확률은 0.002이다. 도둑이 들고, 지진이 일어났을 경우에 알람은 0.95의 확률로 울린다. 반대로 도둑도 들지않고, 지진도 없는데 알람이 실수로 울릴 확률은 0,001에 불과하다. 또한 알람이 울렸을 경우에, john이 나에게 알려줄 확률은 0.9이고, 알람이 안울렸는데도 나에게 알려줄 확률은 0.05이다. 이런 방식으로 네트워크를 작성해 놓으면 각 사건이 일어..

티스토리툴바