전체 글 (40) 썸네일형 리스트형 [백준 | BOJ] 10986번: 나머지 합 (Python) 문제https://www.acmicpc.net/problem/10986 난이도 알고리즘 분류더보기수학누적합 요약수학적 지식이 필요한 문제난이도에 비해 코드는 쉽게 짤 수 있음(=풀이 과정 자체는 별거 없음)하지만 아이디어를 떠올리는 것이 어려웠던 문제문제 접근 방식어떤 알고리즘을 사용해야 하는지 살펴보기 위해 문제의 조건들을 살펴보자. 3번에 대한 내용은 쉽게 떠올리기 힘들어서 체감 난이도가 높은 것 같다.연속된 부분 구간의 합을 구해야 한다.누적 합 알고리즘을 사용해서 구할 수 있다. 시간 복잡도는 대략 O(N)N의 범위가 최대 1,000,000 이다.허용 가능한 최대 시간 복잡도는 대략 O(N log N) 임을 알 수 있음누적 합 알고리즘은 O(N) 이므로 사용 가능!구간 합이 M으로 나누어 떨어지는.. [백준 | BOJ] 2098번: 외판원 순회 (Python) 문제https://www.acmicpc.net/problem/2098 난이도 알고리즘 분류더보기DFS/BFSDP비트마스킹 요약BFS를 사용하면 다익스트라(Dijkstra) 알고리즘과 매우 흡사한 방식으로 풀 수 있다.BFS보다 DFS가 메모리, 속도 측면에서 결과가 더 좋았다. (BFS 방식 코드를 잘못 짰을수도...)문제 접근 방식우선 어떤 알고리즘을 사용해야 하는지 확인하기 위해 문제의 조건들을 살펴보자.외판원의 순회 여행 경로를 구해야 한다.출발지에서 시작해서 다시 출발지로 돌아와야 한다는 뜻이죠. 즉, 순환경로(Cycle)라는 의미입니다.모든 노드를 방문해야 하므로 DFS/BFS를 사용해야 하는 것을 알 수 있습니다.가장 적은 비용으로 순회해야 한다."가장 적은 비용" 어디서 많이 보던 단어죠?.. RAG 개념 및 사용 예제 언어 모델과 LLM언어모델텍스트를 이해하고 생성할 수 있는 인공지능 모델주어진 문장의 다음 단어를 예측하거나, 문장을 완성하거나, 질문에 답변을 제공하는 등의 작업이 가능 LLM(Large Language Model)대규모의 텍스트 데이터로 학습된 언어 모델수억~수조 개의 매개변수(parameters)를 가지고 있어 매우 복잡하고 정교한 언어 이해와 생성 능력이 있음 pretrained model, foundation model이미 대규모 데이터로 학습을 완료한 상태의 모델새로운 작업에 맞게 fine-tuning 하여 활용할 수 있음RAG검색 증강 생성(Retrieval-Augmented Generation)외부 지식 소스(카탈로그, 제품 가격 등)를 LLM과 연동하여 원하는 답을 이끌어 내는 방법외부 .. Batch Size와 모델 성능의 상관관계 Batch Normalization 위 수식을 자세히 알 필요는 없고, 미니배치의 평균, 분산을 이용하여 값을 구한다는 것만 알면 된다. 관심이 간다면 아래 Reference에 링크해뒀으니 논문을 읽어봐도 좋을 것이다. 그래서 결론은 다음과 같다. 결국 Batch Normalization(이하 배치 정규화)는 미니배치의 평균, 분산에 영향을 받는다. 평균, 분산은 미니배치의 크기에 따라 달라지므로 Batch Size에 따라 미니배치의 평균, 분산이 변한다는 것. 따라서 Batch Size는 배치 정규화에 영향을 미친다. 즉, Batch Size에 따라 모델의 성능이 달라질 수 있다! Batch Size 정리 Batch Size가 커질수록.. Batch Size가 작아질수록.. 노이즈 ↓ 노이즈 ↑ 일반화.. [Python] type()과 isinstance()의 차이 type() vs isinstance() type() 객체의 클래스 타입을 확인하는 함수 객체의 클래스를 반환 정확한 클래스 타입을 비교 → 상속 관계에 있는 경우에도 정확한 타입이 일치해야 'True'를 반환 isinstance() 객체가 특정 클래스의 인스턴스인지 여부를 확인하는 함수 객체가 해당 클래스의 인스턴스이면 'True', 그렇지 않으면 'False'를 반환 상속 관계만을 고려하여 'True'를 반환할 수 있음 예시 class A: pass class B(A): pass obj_b = B() print(type(obj_b) is A) # False print(type(obj_b) is B) # True print(isinstance(obj_b, A)) # True print(isinstanc.. Mac - Ubuntu 원격 접속 (화면 공유) 시스템 환경 Chip : Apple M1 Pro OS : MacOS Ventura 13.4.1(22F82) Memory : 16GB 1. xrdp 설치 sudo apt-get install xrdp 2. xrdp 설치 확인 systemctl status xrdp 3. Microsoft Remote Desktop 설치 App Store에서 검색 후 설치 4. 접속 정보 설정 후 접속 M1 Mac에 psycopg2 설치하는 방법 (pip install psycopg2) PostgreSQL을 Python과 함께 사용하기 위한 psycopg2 패키지를 M1 Mac에 성공적으로 설치하기 위한 문서 시스템 환경 Chip : Apple M1 Pro OS : MacOS Ventura 13.4.1(22F82) Memory : 16GB 1. Homebrew 설치 필자의 경우, Intel Mac → M1 Mac으로 교체하면서 Homebrew PATH가 달라져서 재설치하였음. Github Install Native Homebrew on Apple Silicon M1 Install Native Homebrew on Apple Silicon M1. GitHub Gist: instantly share code, notes, and snippets. gist.github.com 다음 명령어로 .. Grounded Segment Anything(Grounded SAM)을 사용한 auto-labeling (autodistill) Grounded Segment Anything을 이용해 auto-labeling을 해보자. 이후 해당 데이터로 YOLOv8 학습까지 진행해본다. 공식 github https://github.com/autodistill/autodistill GitHub - autodistill/autodistill: Images to inference with no labeling (use foundation models to train supervised models) Images to inference with no labeling (use foundation models to train supervised models) - GitHub - autodistill/autodistill: Images to inferenc.. 이전 1 2 3 4 5 다음 목록 더보기
