일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 딥러닝
- homebrew설치
- repository 복구
- backpropagation
- 리눅스7장
- 파이썬
- AIStages
- BPTT
- java
- 리눅스연습문제
- 운영체제연습문제
- 자바
- GitHub
- CNN
- 2020정보처리기사
- 운영체제
- ai개발밋업
- 부스트캠프 AI Tech
- 정보처리기사
- 판교퇴근길밋업
- github branch
- Git
- Django
- 우분투리눅스
- Python
- ann
- RNN
- MAC OS
- 쉽게배우는운영체제
- Swing
- Today
- Total
목록전체 글 (104)
코딩하는 애옹😸
👍 좋았던 것 FastAPI 공부 빡세게.. 팁원들 간의 CV 피드백!! 👎 아쉬운 것 강의를 아직 다 듣지 못함 오류에 오류.. 🚀 도전할 것 연결 연결.. 백엔드 구축 완벽하게.. ❗️느낀점 다같이 으쌰으쌰하니까 좋음! 더 많은 공부가 필요함
👍 좋았던 것 팀원들과의 협업 부분에서 이보다 더 좋을 수 없다.. 유익한 멘토링 👎 아쉬운 것 강의를 아직 다 듣지 못함 🚀 도전할 것 기능 구현 CV 작성 ❗️느낀점 칭찬 듣는 것에 익숙해진 나.. 이대로 괜찮은가? 😂 우리 팀에게 유일하게 부족한 점을 쪽집게 과외처럼 알려주시는 멘토님을 만나서 기쁨 앞으로 얼마나 더 성장할지 기대됨
👍 좋았던 것 다른 라이브러리를 써보지 못했지만 팀원들 덕분에 인사이트를 얻을 수 있었던 것 다양한 모델을 써보고 K-Fold를 사용해본 것 강의 정리 완. 최종 프로젝트를 위한 예열..! 데모 만들기! 👎 아쉬운 것 코테 준비..? GitHub 활용.. 🚀 도전할 것 최종 프로젝트를 위한 코드 살펴보기 + 논문 다시 읽어보기 ❗️느낀점 아무리 생각해도 우리팀이 최고임.. 진짜 여러번 생각해봐도.. 최고임...
아자아자화이팅! 먼저 Ai Stages에서 서버를 생성합니다. 서버 생성과 동시에 key 파일이 다운로드 됩니다. 0. Key 파일을 ~/.ssh 에 복사-붙여넣기 혹은 \Users\사용자이름\.ssh 에 복붙! 1. VScode의 extension에서 Remote-SSH 다운로드 ctrl + shift + x : extension 열기 2. F1 을 눌러서 Add New SSH Host... 선택 Remote-SSH : Add New SSH Host... 선택 3. ssh 입력 ssh -i ~/.ssh/key root@ip주소 -p 포트번호 를 입력하시면 됩니다. 해당 정보는 AI Stages > 서버 > 내 서버 > SSH 에서 확인하실 수 있습니다. 4. Config File /Users/사용자이름..
push push baby.. 1. git init git init 을 하게 되면 해당 폴더에 .git 이라는 파일이 생성됩니다. 2. git remote add origin [GitHub 주소] GitHub 주소와 연결합니다. 3. git branch [브랜치명] 브랜치를 생성합니다. 4. git checkout [브랜치명] 해당 브랜치로 이동합니다. 4-1. git branch (선택) 원하는 브랜치로 이동했는지 확인합니다. 5. git add . 파일/폴더를 add 합니다. '.' 대신 원하는 폴더/파일을 입력하셔도 됩니다. 6. git commit -m "커밋 메세지" 커밋 메세지와 함께 커밋합니다. 7. git push origin [브랜치명] 원하는 브랜치로 push 합니다. ISSUE fat..
Baseline 이후에 실험 해봐야할 사항들 1. 주의해야할 사항들 디버깅 모드 : 실험환경이 잘 설정되어있는지 체크, step에 따라 loss가 잘 감소한다면 CFG.debug=False로 하여 전체 실험 진행 if CFG.debug: CFG.epochs = 2 train = train.sample(frac=0.05, random_state=CFG.seed).reset_index(drop=True) 시드 고정 : 실험마다 성능이 달라지는 것을 방지 def set_seeds(seed=42): random.seed(seed) os.environ['PYTHONHASHSEED'] = str(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manua..