October 16, 2024Deep learning 기술이 발전하면서 Face analysis 성능도 향상 되었습니다.
성능이 좋은 Open source기반 Face analysis library를 소개하고 사용법을 설명하겠습니다.
※ License : 위 사이트에서 참조하세요 !
이 곳에서 여러가지 Model을 공유하고 있으며, 그 중 buffalo_l 이라는 Model pack을 소개하고자 합니다.buffalo_l은 blob box, key points, detection score, landmark 2d/3d, gender, age, embedding, pose 정보를 제공합니다.
Python을 활용하여 Face analysis 하는 과정을 보여드리겠습니다.
July 14, 2024OpenAI에서 제공하는 Chat GPT는 유료 버전을 사용하기 위해 매달 20달러의 구독료를 지불해야 합니다.
(2024년 6월 기준, 한국의 경우 환율을 적용하면 약 3만원의 구독료가 지불됩니다.)
사용량이 적은데 매달 20달러를 지불하는 것은 비싸게 느껴집니다.
이런 문제를 개선하기 위하여, 다음과 같이 간단하게 코딩하여 사용한 만큼만 지불하는 방법을 설명하겠습니다.
OpenAI는 Chat Bot의 API를 제공하며, 사용한 만큼만 사용료를 지불하는 방식입니다.
따라서, 매달 사용량이 적다면 구독하는 것 보다 API를 사용하는 것이 이득이 될 수 있습니다.
July 7, 2024LoRA는 PEFT(Parameter-Efficient Fine-Tuning) 기술 중 하나입니다.
이 기술은 대형 사전 학습 모델을 특정 작업에 맞게 효율적으로 Fine tuning 하는 방법입니다.
(다음 내용은 논문 “LoRA: Low-Rank Adaptation of Large Language Models” 를 참고하였습니다.)
LLM(Large Language Model) 같은 Model은 파라미터 수가 매우 많습니다.
예로, 24년 4월 출시된 llama3 model의 Parameter 수는 약 700억개이며 File 크기가 40GB가 넘으며, 이보다 더 큰 Model도 많습니다.
이런 Large model을 Full fine tuning 하려면 고성능 GPU가 필요하며 학습 시간도 긴 편입니다.
또한, Base model을 Full fine tuning 하는 것은 Pretraining에서 학습된 기본 성능을 저하 시킬 여지가 있습니다.
December 3, 2025삼성전자, SK하이닉스, 마이크론은 세계 3대 메모리 제조회사입니다.
DRAM을 제조 및 판매하여 큰 영업이익을 얻고있죠.
25년 12월 기준 DRAM 수요가 폭증하여 없어서 못 파는 상황이라고 합니다.
즉, DRAM 제조사는 돈을 쓸어 담고 있으며 이 추세는 당분간 지속 될 것으로 전망하고 있습니다.
도대체 DRAM이 무엇이길래 갑자기 수요가 폭증했을까요?
그 이유를 알려드리겠습니다.
컴퓨터가 동작하기 위해서 연산장치(CPU)와 저장장치가 꼭 필요합니다.
저장장치에는 대표적으로 SSD같은 비휘발성 저장장치(Storage)와 DRAM같은 휘발성 저장장치가 있습니다.
둘 다 데이터를 저장하려는 목적으로 사용되지만 컴퓨터 내부에서의 쓰임새는 꽤 다릅니다.
November 23, 2025
