Computer Science27 NVIDIA GPU: 인공지능의 미래 인공지능(AI)은 우리 주변의 세계를 빠르게 변화시키고 있습니다. 자율주행차에서 얼굴 인식 소프트웨어에 이르기까지 AI는 다양한 분야에서 활용되고 있습니다. AI 성장을 이끄는 핵심 기술 중 하나는 그래픽 처리 장치(GPU)입니다. GPU란? GPU는 병렬 처리를 위해 설계된 특수 프로세서입니다. 이는 동시에 여러 개의 계산을 수행할 수 있다는 것을 의미하므로 AI 교육 및 추론과 같은 작업에 이상적입니다. 이러한 유형의 작동을 위해 GPU는 기존 CPU보다 훨씬 빠르기 때문에 AI 업계에서 점점 더 인기를 끌고 있습니다. Nvidia가 GPU 시장에서 독보적인 위치를 차지하는 이유는 무엇입니까? 엔비디아는 인공지능용 GPU의 선도적인 제조업체입니다. 그 회사는 GPU 분야에서 오랜 혁신의 역사를 가지고.. 2023. 7. 3. Anaconda 아나콘다로 Tensorflow 1.15.0 설치하기 $conda create -n env_tf python=3.6.5 $source activate env_tf (env_tf) $ conda install -c conda-forge tensorflow-gpu=1.15 (env_tf) $ python >>import tensorflow as tf >>tf.__version__ 1.15 ++ 추가로 jupyter-notebook 에서 env kernel 추가하기 (env_tf)$ conda install ipykernel 2021. 4. 28. RLException: Invalid roslaunch XML syntax: not well-formed (invalid token) 에러 났을 때 해결법 $ roslaunch xxxx.launch 했는데 갑자기 이 에러가 나신다구요? 혹시 코드에 주석이 있나요? 이렇게 생긴 주석이 있진 않나요? 한 번 이렇게 바꿔보세요~ 앞에 "!--" 를 "?" 로, 뒤에 "--" 도 "?"로 바꾸시면 에러없이 launch 파일이 실행될거에요. 그래도 안되면 혹시 파일 맨 앞에 쓸데 없는 빈칸이 있진 않은지 잘 보세요. 그럼 20000 2021. 4. 15. [Openlayers] 타일/래스터 데이터를 제공하는 오픈소스 소프트웨어 이번 포스트에서는 Openlayers 사용 시에, 지도 source 소스로 사용되는 타일 tile, 래스터 raster 데이터를 제공하는 오픈소스 소프트웨어들에 대해 알아보겠습니다. 1) Geoserver: http://geoserver.org 웹 브라우저, 데스크톱 GIS 등 표준 클라이언트에 다양한 형식의 지도와 데이터를 제공할 수 있는 서버 소프트웨어입니다. 2) Mapnik: http://www.mapnik.org 고품질의 안티앨리어싱 그래픽, 지능형 라벨 배치, 확장 가능한 SVG 심볼화가 제공하는 깨끗하고 부드러운 피쳐 에지를 갖춘 아주 좋은 맵 렌더링을 위한 툴킷입니다. 가장 일반적으로 맵닉은 OpenStreetMap 메인 맵 레이어를 렌더링하는 데 사용됩니다. 3) Map server: h.. 2020. 7. 31. [비전공자용] 딥러닝은 대체 어디에 사용하는 걸까? (스크롤 압박 주의) 많은 분들이 아시다시피 딥러닝은 이미지, 음성, 자연어 등 많은 분야에서 뛰어난 성능을 보여줍니다. 이번 포스트에서는 딥러닝을 활용해서 할 수 있는 일들에 대해서 자세히 알아보려고 합니다. 1. 사물 검출 사물 검출은 이미지 속에 담긴 사물의 위치, 종류, 클래스 등을 알아내는 기술입니다. 사물 검출과 사물 인식의 차이는 사물 인식은 이미지 전체를 보고 뭔지 맞히는 거고 ... 사물 검출은 어떤 이미지를 보고 그 이미지 속에 어디에 있는지도 모르는 사물의 위치도 파악하고 그게 뭔지도 파악하는 일입니다. (이미지 속에 사물이 여러 개 있으면 더 어렵겠죠.) 사물 검출이 당연히 훨씬 어려운 기술입니다. 이런 사물 검출 문제를 해결하기 위한 CNN을 기반으로 한 기법 몇 가지가 있습니다. 그 중 가장 유명한 .. 2020. 7. 30. [비전공자용] 시간을 획기적으로 단축하는 "딥러닝 분산 학습"이란? 딥러닝 연산은 합성곱 계층에서 대부분의 시간을 차지합니다. AlexNet의 forward 처리 시에 합성곱 계층에서만 거의 90% 정도 시간을 소요합니다. (GPU는 전체시간의 95%, CPU는 89%) 병렬 수치 연산을 고속으로 처리할 수 있는 GPU를 딥러닝에 사용하면서 속도가 많이 빨라졌지만 아직도 딥러닝 연산에는 시간이 많이 들고 시간을 줄이기 위해 많은 노력을 하고 있습니다. 그래서 나온 아이디어가 바로 "분산 학습"입니다. 다수의 GPU와 기기를 이용해서 계산을 분산하여 딥러닝 학습을 수평 확장 Scale out 하자는 아이디어입니다. 최근 분산 학습 연구에 박차를 가하고 있는 모두가 아는 두 기업이 있습니다. 바로 Google과 Microsoft 입니다. 구글의 딥러닝 프레임워크인 텐서플로와.. 2020. 7. 30. 이전 1 2 3 4 5 다음 반응형
