For Engineering

# 진행중 windows10 openssh : https://learn.microsoft.com/ko-kr/windows-server/administration/openssh/openssh_install_firstuse?tabs=gui AnyDesk : https://support.anydesk.com/ko/knowledge/tcp-tunneling 고려사항 TCP 터널링은 SMB 인증 프로토콜에 따라 다릅니다. -> 한국통신사에서 SMB 프로토콜 통신을 차단한다. 외부네트워크를 이용할 경우 테스트 필요. 목표 로컬 -> 원격 ssh 로그인 및 vscode 원격 접속 원격 호스트의 네트워크 관리자 권한이 없어 포트포워딩 사용 불가. 원격 호스트 : Windows10 로컬 호스트 : MacOS 설정 1. ..

ConvBlock import torch import torch.nn as nn class ConvBlock(nn.Module): def __init__(self, in_channels, out_channels, kernel_size, padding=0, stride=1): super(ConvBlock, self).__init__() self.layers = nn.Sequential( nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, padding=padding, stride=stride), nn.ReLU() ) def __call__(self, x): x = self.layers(x) return ..

참고자료 : https://pytorch.kr/hub/pytorch_vision_vgg/ 모델 구성 class VGG11(nn.Module): def __init__(self): super(VGG11, self).__init__() self.conv1 = nn.Sequential( nn.Conv2d(in_channels=3, out_channels=64, padding=1, kernel_size=3), nn.ReLU(), nn.MaxPool2d(kernel_size=2, padding=0, stride=2) ) self.conv2 = nn.Sequential( nn.Conv2d(in_channels=64, out_channels=128, padding=1, kernel_size=3), nn.ReLU(),..

model import torch.nn as nn class Classifier(nn.Module): def __init__(self): super(Classifier, self).__init__() self.fc1 = nn.Linear(in_features=2, out_features=16) self.fc_act1 = nn.ReLU() self.fc2 = nn.Linear(in_features=16, out_features=32) self.fc_act2 = nn.ReLU() self.fc3 = nn.Linear(in_features=32, out_features=4) def forward(self, x): x = self.fc1(x) x = self.fc_act1(x) x = self.fc2(x) x ..

환경 : colab model import torch.nn as nn class XorModel(nn.Module): def __init__(self, n1=3): super(XorModel, self).__init__() self.fc1 = nn.Linear(in_features=2, out_features=n1) self.fc_act1 = nn.Sigmoid() self.fc2 = nn.Linear(in_features=n1, out_features=1) self.fc_act2 = nn.Sigmoid() def forward(self, x): x = self.fc1(x) x = self.fc_act1(x) x = self.fc2(x) x = self.fc_act2(x) x = x.view(-1) re..

회고보단 썰에 가깝다. 기 : 타부서 서버 행업 -> 기술지원팀으로 원인 분석 요청 -> (뇌피셜 시작)짬으로 거절 불가 -> 상사 본인이 잠깐 봤지만 로그 없어 분석 불가(뇌피셜 종료) 승: 이사원 업무 지시 -> 로그 없어 분석 실패 -> 김대리 토스 -> 김대리도 로그 없어 분석 실패 판단 전: 2주(대략) 시간 요청 -> 보고 전날까지 분석 실패 -> 퇴근 후 밤새 분석 성공 메일 전송 결: 출근 후 구두 보고 -> 약간 아쉬운 보고 -> 상황 종료 마무리: 주어진 일만 잘하면 사원/대리 그 이상 올라갈 수 없다. 시스템 엔지니어에게 공포 그 자체인 행업. 1. 기: 상황 발생 상사: 김대리. 서버 정보 줄테니까 행업 원인 분석 해줘. 이사원은 해결 못했으니 같이 해. 사원: 대리님.. 죄송해요..

모델의 Forward, Backward 구현 import numpy as np class AffineFunction: def __init__(self): self.w = np.random.randn(2) self.b = np.random.randn() def forward(self, x): self.x = x z = np.dot(self.w, x) + self.b return z def backward(self, dJ_dz, LR): dz_dw = self.x dz_db = 1 dJ_dw = dJ_dz * dz_dw dJ_db = dJ_dz * dz_db self.w -= dJ_dw * LR self.b -= dJ_db * LR return dJ_dw class Sigmoid: def forward(se..

맥북 배터리 충전량을 80%를 최대로 하려고한다. 맥에서 내 사용시간을 학습해서 최적화 하지만 매일 일정하게 사용하지 않기에 추가 설정하였다. https://apphousekitchen.com/installation-guide/

Model = Affine + Sigmoid BCELoss 함수로 Model w,b 업데이트 import numpy as np class AffineFunction: def __init__(self): self.w = np.random.randn(2) self.b = np.random.randn() def forward(self, x): self.x = x z = np.dot(self.w, x) + self.b return z def backward(self, dJ_dz, LR): dz_dw = self.x dz_db = 1 dJ_dw = dJ_dz * dz_dw dJ_db = dJ_dz * dz_db self.w -= dJ_dw * LR self.b -= dJ_db * LR class Sigmoid: ..

GBL 학습을 위해 파이썬으로 구현한다. 그리고 update 횟수, Learning rate, gradient(기울기) 등 변경하면서 그려지는 그래프를 보며 이해하면 도움이 된다. 변수가 하나일 경우 import numpy as np def f(x, grad): return grad * ((x)**2) def df_dx(x, grad): return 2 * grad *(x) gradient = [1/10, 1/8, 1/6] # 일반적인 기울기 gradient = [1/10, 1.1, 2] # 발산하는 케이스 ITERATIONS = 20 # 총 n번의 update를 할 것 lr = 0.3 # learning rate import matplotlib.pyplot as plt fig, axes = plt.su..