안 쓰던 블로그

유니티 2020.3 기준이지만, 다른 버전도 다 가능합니다. 구글에 유니티 APK 빌드 방법을 검색하면 블로그들에서 다들 nvidia에서 다운로드 받으라고 한다. https://developer.nvidia.com/codeworks-android APK 빌드 하려면 JDK, SDK가 필요한데, 내 기억으로는 예전에는 하나씩 다운로드 받아서 연결해 주었다(가물해서 정확하지 않다). 저 nvidia에서 제공하는 zip파일을 사용하면 한 번에 다운로드 해 주는 것 같았다. 그런데 저렇게 설치하면 일단 1) 시간이 꽤 오래걸리고 2) 재부팅 필수 3) unity android ndk not found (NDK 없음) 에러가 났다. (유니티 2020.3 기준) NDK를 따로 다운로드 받아서 연결해 줄 수 있지만 ..

이전 글: 다중 슬롯머신 문제 with Epsilon-Greedy https://foxtrotin.tistory.com/501 다중 슬롯머신 문제 (Multi-Amred Bandits, MAB) with Epsilon-Greedy 다중 슬롯머신 문제 (Multi-Amred Bandits, MAB) 여러 개의 팔을 가진 슬롯머신이 있다. 슬롯머신의 팔마다 코인이 나오는 확률은 정해져 있지만, 확률값은 미리 알 수 없다. 제한된 횟수 안에서 가장 많 foxtrotin.tistory.com 다중 슬롯머신 문제란, 어떤 슬롯머신의 팔을 당겨야 가장 많은 돈을 벌 것인지에 대해 찾는 문제이다. 문제 해결을 위해서는 탐색과 이용의 균형을 적절하게 맞추는 것이 중요하다. 이전 글에서는 입실론 그리디 방법을 사용해 보..

다중 슬롯머신 문제 (Multi-Amred Bandits, MAB) 여러 개의 팔을 가진 슬롯머신이 있다. 슬롯머신의 팔마다 코인이 나오는 확률은 정해져 있지만, 확률값은 미리 알 수 없다. 제한된 횟수 안에서 가장 많은 코인을 얻으려면 어떤 순서로 팔을 선택해야 할까? 어떤 슬롯머신의 팔을 당겨야 가장 많은 돈을 벌 것인지에 대한 문제를 푸는 다중 슬롯머신 문제는 강화 학습의 예시로 흔히 알려져 있다. 이 글에서는 Epsilon-Greedy 입실론 그리디 학습 방법으로 이 문제를 해결해 본다. '알파제로를 분석하며 배우는 인공지능' 책을 참고한 글임을 밝힌다. 강화 학습 사이클 다중 슬롯머신 문제의 목적은 '코인은 많이 얻는다'이고, 행동은 '어떤 팔을 선택하는가?', 보상은 '코인이 나오면 +1'이다..

Type-1 가상화 일단 전가강화와 반가상화는 Tpye-1 가상화를 전제로 한다. Type-1: 하이퍼바이저 위에 게스트OS가 바로 탑재되는 형태. 네이티브 또는 베어메탈 하이퍼바이저를 이용하는 가상화이다. 베어메탈을 관리할 OS를 설치하지 않기 때문에 호스트형 가상화에 비해 오버헤드가 적다는 장점이 있다. 또한 하드웨어 리스소 관리가 유연하므로 Type2보다 성능이 좋다. 하지만 자체적으로 머신에 대한 관리 기능이 없기 때문에 관리에 필요한 컴퓨터나 콘솔(CLI)이 필요하다. 그래서 Type-2보다 사용성이 낮다. (참고: https://foxtrotin.tistory.com/496 ) Type-1 가상화는 다시 전가상화와 반가상화로 분류된다. 전가상화 vs 반가상화 전가상화와 반가상화는 게스트OS가 ..

Type-1 하이퍼바이저 위에 게스트OS가 바로 탑재되는 형태. 네이티브 또는 베어메탈 하이퍼바이저를 이용하는 가상화이다. 베어메탈을 관리할 OS를 설치하지 않기 때문에 호스트형 가상화에 비해 오버헤드가 적다는 장점이 있다. 또한 하드웨어 리스소 관리가 유연하므로 Type2보다 성능이 좋다. 하지만 자체적으로 머신에 대한 관리 기능이 없기 때문에 관리에 필요한 컴퓨터나 콘솔(CLI)이 필요하다. 그래서 Type-2보다 사용성이 낮다. 예) Oracle VM Server for X86, VM Server, Citrix Xenserver, Hyper-V 등 Type-2 호스트 운영체제 위에 하이퍼바이저가 있다. 예를 들어 운영체제가 윈도우를 쓰면서 VMware는 하이퍼바이저, VM이 리눅스 이런 식이다. 베..

계산 성능과 시간의 그래프가 있다고 하자. 사용자가 원하는 만큼 즉, 요구 수준은 보통 선형적으로 증가한다(검은 선). 그런데 성능은 검은 선처럼 선형으로 증가하지 않는다. (빨간 선) 예를 들어 컴퓨터를 새로 맞추었을 시점에는 컴퓨터가 요구 수준보다 고성능이다. 그런데 시간이 지나면 점점 더 좋은 컴퓨터가 등장하고, 더 높은 성능을 요구하는 소프트웨어가 등장한다. 또는 저장공간을 전부 사용하던가 하여 지금 가지고 있는 컴퓨터로 부족하게 된다. 요구 수준보다 성능이 안 좋은 상태가 되면 불편하고 어떤 서비스가 잘 안 돌아가기도 한다. 이 때를 과소자원이라고 한다. 이 때 마침 좋은 기회가 있어서 컴퓨터 부품을 더 좋은 것으로 교체했다. 그러면 요구 수준보다 더 좋은 성능을 낼 수 있게 된다. 이 때는 사..

kaggle - Dogs vs. Cats 1. 소규모 데이터셋에서 CNN 훈련하기(Dogs vs. Cats 데이터셋) https://foxtrotin.tistory.com/473 2. 사전 훈련된 CNN 사용하기 (ImageNet 데이터셋, VGG16 모델) https://foxtrotin.tistory.com/486 3. 미세 조정 https://foxtrotin.tistory.com/507 케라스 창사자에게 배우는 딥러닝 5장을 개인적으로 공부한 내용을 덧붙여 정리한 글입니다. 컴퓨터 비전 작업 중 매우 적은 데이터를 사용해 이미지 분류 모델을 훈련하는 일은 흔하게 만날 수 있을 것이다. '적은' 샘플이란 보통 수백 개~수만 개 사이를 의미한다. 이번 글에서는 4,000개의 강아지와 고양이 사진(2,..