Whatever floats your boat

이 문서는 일반적으로 NVIDIA TensorRT에 관한 것이지만 NVIDIA Jetson 장치 (TX1, TX2, Nano, Xavier AGX / NX ...)에 중점을 둡니다. 버전 3.1.0부터 NVIDIA TensorRT 및 TF-TRT를 사용하는 NVIDIA Jetson 장치에 대한 Full GPGPU 가속을 지원합니다. SDK는 NVIDIA의 최신 버전 인 JetPack 4.4.1을 사용하여 테스트되었으며 다른 버전은 지원하지 않습니다. 이 저장소에는 binaries / jetson 및 binaries / jetson_tftrt의 두 가지 바이너리 세트가 있습니다. 시작하기 위에서 설명한 대로 NVIDIA TensorRT와 TF-TRT를 모두 사용합니다. NVIDIA TensorRT는 다음 ..

Memory Hierarchy 가장 이상적인 Memory는 용량이 크면서 빠른 Memory일 것이다. 하지만 현재까지는 이런 메모리는 존재하지 않아 우리는 이상적인 메모리의 효과를 낼 수 있도록 해야한다. 메모리 계층 구조가 올라 갈수록 다음과 같은 특징을 가진다. 접근 시간이 빨라진다. 용량이 작다. 비트당 비용은 비싸다. 계층 구조가 낮아질수록 비트당 비용이 싸다. 접근시간이 증가한다. 프로세서에 의한 메모리 접근빈도가 감소한다(Cache에 올려놓고 사용하기 때문에). Cache Memory Cache란 Main memory와 CPU 사이에서 존재하는 메모리이다. Main Memory에서 data를 가져오기 전 CPU가 Cache에 원하는 data가 있다면 빠르게 접근해 가져올 수 있는 작은 메모리이..

이번 글에서는 프로그램 내 특정 명령어의 수를 세어 출력하는 간단한 프로그램을 만들어 보도록 하겠다. LLVM IR에는 총 64개의 명령어 Opcode 존재하며 자주 사용되는 명령어들은 다음과 같다. BinaryOperator: add, sub, mul 과 같은 산술 연산이나, and, or과 같은 비교 연산 등 2개의 operand들을 연산하는 명령어 ReturnInst, BranchInst 등: 제어 흐름관련 명령어들 CallInst: 함수 호출 명령어 CastInst: 타입 변환 명령어 AllocaInst: 스택(정적)에 메모리 할당하는 명령어 LoadInst, StoreInst: 메모리에 있는 데이터들을 접근하는 명령어 GetElementPtrInst: 배열 접근 등에서 메모리 접근하는 명령어 이..

홍대 연남동 맛집 솥솥 리뷰 안녕하세요 초보 블로거 용성군입니다! 홍대입구 3번출구로 나오면 아기자기한 음식점이랑 카페가 많은데요 그중에서도 오늘은 제가 연남동의 솥솥 후기를 적어보려고해요! 만약 찾아가려고 하지 않았으면 그냥 지나치기 쉬워 보였어요. 외부 디자인은 일본가정집 느낌이 나더라고요! 식사 시간에 가면 웨이팅은 기본이라고 했는데 저는 조금 일찍가서 운좋게 기다리지 않고 들어갈 수 있었어요. 여러분은 식사시간에 맞춰가면 웨이팅 하실 수 있습니다! 메뉴를 보시면 10,000원 중반대에 가격이 형성되는 것을 볼수 있고 저는 솥솥의 대표메뉴인 와규솥밥을 시켰어요! 솥밥을 덜고 누룽지를 먹을 수 있도록 준비 되어있습니당. 저는 뜨거운 솥밥을 덜고 누룽지를 만드는 것만 먹었는데 여기는 누룽지를 넣어서 먹..

OS에 들어가기 전, 컴퓨터의 전반적인 동작과 구성요소를 알아보면서 이해를 높이도록 하겠다. 이 글에서 Processor와 CPU는 같은 말로 사용되었음을 적어놓는다. 컴퓨터의 기본요소 우선 컴퓨터의 기본적인 요소는 4가지가 있으며 우리가 컴퓨터라고 부르는 것은 다음과 같은 요소를 꼭 포함하고 있어야한다. Processor Main Meory System bus I/O modules Processor Processor 내부에 register가 존재하는데 I/O data를 위한 register와 다른 register 들에 대한 설명이다. I/O Data를 위한 Register Memory Address Register(MAR) Processor가 다음 번에 수행할 명령어의 주소를 저장하는 register이..

병렬 처리 VS 순차 처리 ANPR/ALPR Detector는 Convolutional Neural Networks(ConvNet/CNN)을 사용합니다. 입력 레이어의 모양은 높이=300, 너비=300 및 NumBytesPerSample = 3(R, G, B)을 의미하는 [300,300,3]입니다. 모든 이미지는 300x300 고정 해상도로 크기가 조정되고 입력 레이어와 일치하도록 RGB_888(일명 RGB24)로 변환됩니다. 출력 레이어는 더 복잡하고 한 가지 중요한 요소는 이 섹션에서 우리가 관심을 갖는 예측 상자(prediction box)입니다. CNN은 입력에 관계없이 항상 100개의 예측 상자를 출력합니다. 여기에 이러한 상자를 필터링하고 융합하는 역할을 하는 "후처리" 작업이 있습니다. 필터..

아키텍처 개요 지원되는 운영 체제 우리는 C++11 컴파일러가 있는 모든 OS를 지원합니다. 이 코드는 Android, iOS, Windows, Linux, Raspberry Pi 및 다양한 맞춤형 임베디드 장치(예: 카메라)에서 테스트되었습니다. Github 리포지토리에는 개발자가 구현을 테스트할 수 있도록 참조 코드로 Android, Raspberry Pi, Linux 및 Windows용 바이너리가 포함되어 있습니다. 이 참조 구현은 Java 및 C++ API와 함께 제공됩니다. API는 모든 운영 체제에 공통적이므로 Android, Raspberry Pi, Linux 또는 Windows에서 애플리케이션을 개발하고 테스트할 수 있으며 앞으로 나아갈 준비가 되면 OS용 바이너리를 제공합니다. 지원되는 ..

이전 섹션에서 설명했듯이 detector는 [300, 300, 3] 입력 레이어가 있는 Convolutional Neural Network를 사용합니다. 즉, detection 파이프라인에 표시되는 모든 이미지는 해상도에 관계없이 300x300으로 크기가 조정되고 RGB_888 형식으로 변환됩니다. 저해상도를 사용하면 추론 기능의 속도가 빨라지고 비율 기반 스케일링(ratio-based scaling) 대신 고정 모양(fixed shape)을 사용하면 일반화가 향상되고 훈련 프로세스의 속도가 빨라집니다. 이는(저해상도를 사용했을 때를 가르킴) 이미지가 매우 크고 번호판이 매우 작거나 멀리 있을 때 명백한 이슈(문제점)입니다. 이미지가 2+ 요소로 축소되면 큰 이미지의 작거나 멀리 떨어진 번호판은 사라지는..

앱스토어 등록을 하는 중에 AppStore Connect에서 다음과 같은 문제가 날라왔다. ITMS-90683: Missing Purpose String in Info.plist - Your app's code references one or more APIs that access sensitive user data. The app's Info.plist file should contain a NSCameraUsageDescription key with a user-facing purpose string explaining clearly and completely why your app needs the data. Starting Spring 2019, all apps submitted to the Ap..

linux에서 vim 편집기를 잘 활용하려면 자신에게 맞는 설정을 찾아야한다. 그 중 vim에서 tab을 누를 떄 공백을 수정하도록 하겠다. 기본적으로 설정된 tab키는 8칸으로 되어있어 생각보다 많이 움직이게 된다. 따라서 오늘은 4칸으로 바꿔보도록 하겠다. vim 설정을 바꾸기 위해서는 .vimrc를 수정해야한다. 홈 디렉토리로 이동하고 .vimrc파일을 편집기로 켠다.다. 다음과 같이 수정하여 저장해 준다. vim편집기에서 기본 tab키는 8칸을 움직이지만 이제 4칸으로 움직이는 것을 확인 할 수 있다.