분류 전체보기 검색 결과
205 개의 검색 결과가 있습니다.
Computer Science, Programming/Git, Docker, Server, Linux

리눅스 프로세스 관련 명령어 (상태 출력, 강제 종료 등)

목차 GPU의 메모리가 비정상적으로 차 있다거나, 어떤 프로세스를 강제로 종료시켜야 할 때가 있다. 이때 유용하게 사용할 수 있는 명령어를 살펴보자. 프로세스 상태 출력 관련 명령어 (ps) 먼저, 프로세스 상태를 확인하는 ps 명령어부터 알아보자. 프로세스 전체를 출력하면 너무 많으므로, grep과 함께 사용하여 특정 프로게그만 확인해볼 수 있다. ps -ef | grep [특정프로세스] -e : 모든 프로세스를 출력한다. -f : 유닉스 스타일로 출력한다. 각 항목은 다음을 의미한다. UID : 소유자 PID : 식별 번호 PPID : 부모 프로세스의 PID C : 프로세스의 CPU 점유 상태 STIME : 프로세스 시작 시간 TTY : 프로세스가 시작된 터미널 TIME : 총 사용 시간 COMMAN..

2023. 4. 8. 01:14
Studies/Generative Models

Autoregressive (Generative) Models (1)

목차 이번 포스팅에서는 생성 모델 중 하나인 autoregressive model에 대해 알아보자. 다음은 다양한 deep generative model 의 비교 표이다. Autoregressive Models Autoregressive model(ARM)은 말그대로 autoregressive, 즉 이전 input data를 활용하여 현재 input과 관련된 연산(modeling probability distribution)을 하는 방법으로 \(p(\mathbf{x})\)를 모델링한다. \( p(\mathbf{x}) = p(x_0) \prod\limits_{i=1}^D p(x_i | \mathbf{x}_{

2023. 4. 7. 04:24
Studies/Generative Models

Generative Approach(Naive Bayes Classifier) vs Discriminative Approach(Logistic Regression)

목차 이전 포스팅에서 생성모델의 개요와 이해를 위한 기초 지식까지 알아보았다. 이번 포스팅에서는 머신러닝 모델의 두 가지 종류인 Naive Bayes classifier로 대표되는 generative model의 접근방법과 Logistic regression으로 대표되는 discriminative model의 접근방법을 자세히 비교해보자. 이전에 언급했듯, classification task에서 두 모델의 목적은 데이터 \(x\)와 class label \(y\)에 대해 posterior \(p(y|x)\)를 예측한다는 공통적인 목적을 갖고 있으나, 그 접근 방법이 다르다. Bayes Network 우선 상대적으로 익숙한 logistic regression은 제쳐두고, bayes network에 대해 알..

2023. 4. 4. 03:12
Studies/Generative Models

Introduction to Deep Generative Models (2)

목차 이번 포스팅에서는 deep generative model이 어떻게 분류되는지 high level에서 알아보고, 이러한 generative model을 공부하기 앞서 알아두어야 할 기본 지식을 간단히 복기해보자. Taxonomy of Deep Generative models Deep generative model은 학습 방식에 따라 다음과 같이 분류할 수 있다. Autoregressive models (ex. PixelCNN) Flow-based models (ex. RealNVP) Latent variable models Implicit models (ex. GANs) Prescribed models (ex. VAEs) Energy-based models Diffusion model의 경우 굳이 분..

2023. 4. 3. 00:37
Studies/Generative Models

Introduction to Deep Generative Models (1)

목차 해당 카테고리에서는 Deep generative model 강의를 수강하고 주요 내용을 정리해두려 한다. 더 깊은 내용은 Jakub M. Tomczak의 'Deep Generative Modeling' 교재를 참고해보자. 주요 내용은 다음과 같다. Likelihood-based models Autoregressive generative models Flow-based models Latent variable models Variational learning Inference amortization Variational Autoencoder Implicit generative models Two sample tests, embeddings, F-divergences Generative Adversar..

2023. 4. 1. 19:03
Research/Implementation

파이썬 point_cloud_utils 라이브러리로 point cloud, mesh 다루기!

목차 Trimesh, Open3d 등 다양한 point cloud 관련 라이브러리가 있는데, 그중에서 point_cloud_utils로 point cloud를 특정 파일로 저장하여 meshlab에서 시각화하는 방법을 알아보려 한다. 시각화 할 때 어떤 라이브러리가 가장 좋다는 건 딱히 없고, 직접 사용해보면서 각각의 장단점을 파악하고 상황에 맞게 사용하면 될 듯 하다. (사실 point_cloud_utils 라이브러리는 시각화가 아니라 point cloud를 다루는 다양한 기능을 제공해주는 라이브러리이다.) 본 포스팅에서 다룰 내용은 시각화에 사용할 간단한 함수들이고, github에 들어가보면 noise 생성, downsampling, mesh normal 계산, chamfer distance 계산 등 ..

2023. 3. 30. 21:58