본문 바로가기

전체 글

확률과 통계 2장 : 데이터 정리와 요약 2.1 도수분포표도수분포표(frequency table) : 관측된 데이터의 구간별 도수, 상대도수 등을 알기 쉽게 표로 정리한 것일원 도수분포표 (one way) , n차원 교차표 (n-way cross table) 가 있음계급(class), 대푯값, 도수(frequency), 상대도수(relatvie frequency), 누적도수(cumulative frequency), 상대 누적 도수(relative cumulative frequency)를 나타냄 각 점수를 변수라고 하고 X,Y 등으로 표기한다.각 점수의 개수는 (빈)도수(frequency)라고 하고 fi 로 표기한다.X = xifix1f1x2f2x3f3::xkfkSumnX = xi : 변수 x는 종류가 x1, x2, x3, ... , xk 이다f.. 더보기
확률과 통계 1장: 통계학 1-3. 통계학의 개념1.3.1. 의사결정과 통계적 사고  문제해결을 위한 의사결정 프로세스 핵심(관심) 이슈 정리조사 대상 선별필요 데이터 규명, 실험/조사 방법 수립데이터 수집, 정리, 통계 처리 ->정보중요한 요인 발견통계적 모형 개발 및 추정적합성 검증, 모형 최적화 -> 해답결론 도출, 의사결정 제안=>> 2단계까지는 해당 분야의 지식과 경험을 활용하여 수행, 3단계부터 실험을 설계하고 데이터를 분석하여 의미 있는 정보를 도출해내는 통계적 방법론이 요구됨 1.3.2. 통계학이란통계학 : 불확실한 상황 하에서 데이터에 근거하여 과학적인 의사결정을 하기 위한 이론과 방법의 체계 - 실험과 조사를 통하여 수집한 데이터로부터 관심 대상의 특성을 찾아내는 것- 통계적 기법 : 실험계획, 데이터의 요약 및.. 더보기
Depth Pro: Sharp Monocular Metric Depth in Less Than a Second 카메라 이미지에 있는 물체에서 거리값을 뽑아내야한다전통적인 방식으로는 opencv라이브러리를 사용하고 카메라 캘리브레이션해서 하는 뭐 그런 방법이 있겠다만 한번 모델을 돌려보자 오늘 해볼 패키지는 애플에서 만든 Depth Pro이다 GitHub - apple/ml-depth-pro: Depth Pro: Sharp Monocular Metric Depth in Less Than a Second.Depth Pro: Sharp Monocular Metric Depth in Less Than a Second. - apple/ml-depth-progithub.com 환경은 Jetson AGX Orin이다우선 나는 아나콘다가 안 깔려있으니 이것부터 깔아준다 이미 아나콘다나 미니콘다가 있는 사람들은 넘어가면 된다여기.. 더보기
jetson agx orin에서 nanoowl 모델 실행하기 NanoOWL - NVIDIA Jetson AI LabTutorial - NanoOWL Let's run NanoOWL , OWL-ViT optimized to run real-time on Jetson with NVIDIA TensorRT . What you need One of the following Jetson: Jetson AGX Orin (64GB) Jetson AGX Orin (32GB) Jetson Orin NX (16GB) Jetson Orin Nano (8GB) Running one ofwww.jetson-ai-lab.com 여기 엔비디아 공식 문서를 따라하면 쉽게할수있다  1. 내가 가지고 있는 하드웨어가 이걸 굴릴수있는지 확인2. JetPack 버전 확인3. SSD 마운팅 🔖 SS.. 더보기
Chap 6. Paging - 각 시스템의 각 프로세스 별로 페이지 테이블(page table)이 있음 => 32bit 주소 공간에 4KB(2의 12승, 4096 => 4k) page와 4byte page-table entry 가 있다고 가정하면 페이지 테이블 크기는 2의 32승(주소공간) / 2의 12승(페이지 크기) x 4byte(페이지 테이블 엔트리) = 4MByte => 페이지 테이블의 크기가 너무 커서 메모리 공간을 많이 사용하는걸 볼수있다 ===> 그렇다면? 페이지 테이블을 작게 설정해보면 어떨까? 페이지 크기를 늘려서 페이지 테이블 크기를 줄여보자 => 32bit 주소 공간에 16KB(2의 14승, 16384 => 16k) page와 4byte page-table entry 가 있다고 가정하면 페이지 테이.. 더보기
Chap 5. Paging : 주소 공간을 페이지라는 고정된 크기의 단위로 분할 => 공간 관리 문제를 해결하기위한 방법, paging, segmentation - Segmentation : logical segments( code, stack, heap, etc. )의 가변적인 크기 => Fragmentation, 시간이 지날수록 할당이 어려워짐 - 페이징을 사용하면 물리적 메모리도 페이지 프레임이라고 하는 몇 개의 페이지로 분할됨 - 가상 주소를 실제 주소로 변환하려면 프로세스별 페이지 테이블이 필요 => Page (VM) -> Page Table -> Page Frame (PM) - 프로세스의 물리적 주소 공간이 비연속적일 수 있도록 허용 => - 가상 메모리를 동일한 크기(페이지)의 블록으로 나누기 - 물리적 .. 더보기
Chap 4. 메모리 가상화 (Memory Virtualization) - OS는 physical memory를 가상화함 - OS는 가상 메모리 공간을 각 프로세스마다 제공함 => 각 프로세스가 전체 메모리를 사용하는 것처럼 보임 메모리 가상화의 목표 Transparency (투명성) 프로세스는 메모리가 공유되고 있다는 사실을 인식하지 못해야함 프로그래밍을 위한 편리한 추상화 제공 (크고 연속적인 메모리 공간) Efficiency (효율성) 다양한 크기의 요청으로 인한 fragmentation(단편화)를 최소화함 (공간) 하드웨어의 도움을 받음(시간) 역시 자본이 최고야 Protection (보호) 다른 프로세스로부터 프로세스들과 OS를 보호 Isolation : 프로세스가 fail 하더라도 다른 프로세스들에 영향을 .. 더보기
Chap 7. 릴레이션 정규화 릴레이션 정규화 - 부주의한 데이터베이스 설계는 제어할 수 없는 데이터 중복을 야기하여 여러 가지 갱신 이상(update anomaly)을 유발함 - 정규화(normalization)는 주어진 릴레이션 스키마를 함수적 종속성과 기본 키를 기반으로 분석하여, 원래의 릴레이션을 분해함으로써 중복과 세 가지 갱신 이상을 최소화함 (수정 이상, 삽입 이상, 삭제 이상) - 적절하게 정규화된 릴레이션들은 데이터베이스의 유지를 간단하게 함 7.1. 정규화 개요 좋은 관계 데이터베이스 스키마를 설계하는 목적 - 정보의 중복과 갱신 이상이 생기지 않도록 하고, 정보의 손실을 막으며, 실세계를 훌륭하게 나타내고, 애트리뷰트들 간의 관계가 잘 표현되는 것을 보장하며, 어떤 무결성 제약조건의 시행을 간단하게 하며, 아울러 .. 더보기

티스토리툴바