복습용

이 글에서는 GLFW와 GLEW를 이용하여 창을 띄워볼 것이다.환경 셋업에 대한 것은 아래의 글을 참고.https://hezma.tistory.com/120완성된 코드를 바로 보고 싶다면 아래 repo를 참고하면 된다.https://github.com/9ru9ru/open-gl-course/blob/ch0-ready-fixed/runtime/section01/Section01Runner.cpp커버하는 지식 범위는 다음과 같다.간단한 OpenGL의 work-flow기본적인 API들이 글을 통해 달성할 목표는 다음과 같다.GLFW와 GLEW의 초기화 및 환경 셋업.800x600으로 빨간색 만을 출력하는 윈도우 띄우기.1. Window를 띄우기 위한 work-flow 개략간단하게라도 어떤 work-flow로 ..

이 글에서는 다음의 개념들에 대해 다룬다.OpenGL의 개념과 특징GLFW의 개념GLEW의 개념1. OpenGL 개요코드를 다소 사용해보기 전까지는 OpenGL에 대해 라이브러리라고 생각하고 있었다.그러나 OpenGL은 구체적인 하나의 라이브러리가 아니다.어떤 규격으로 어떻게 동작해야 하는지를 정해놓은 규격서, 사양에 가깝다.즉, 함수 시그니처와 작동 방식 등을 설명한 API 규격서로 생각할 수 있다.OpenGL의 라이브러리를 실제로 개발하는 주체는 일반적으로 그래픽카드 제조 업체다.AMD, Apple, NVidia 등 다양한 그래픽 제조 업체가 이를 개발하고 있고 따라서 OpenGL의 구현도 하나가 아니다. 이렇게 구현된 게 그래픽 카드에 포함되어 있다.2. State MachineOpenGL 자체는 ..

C++ OpenGL(GLEW/GLFW) 개발환경 구축C++을 통해 OpenGL을 개발할 수 있는 환경 구축에 대한 글이다.라이브러리 쓰고 싶은데 C++ 환경에서 라이브러리를 쓸 줄 몰라서 관련 지식도 함께 정리해놓았다.실제 구축을 어떻게 했는 지 알고 싶으면 2번 항목만 봐도 된다.아니면 다음 repo를 둘러봐도 된다.https://github.com/9ru9ru/open-gl-course/tree/ch0-ready-fixed0. 개요이 글에서 커버하는 지식 범위는 다음과 같다.C 환경의 대략적인 빌드 과정C 환경에서 정말 기초적인 라이브러리 지식라이브러리를 링크하고 빌드하기 위한 기초 CMake 사용법이 글을 통한 수행할 목표는 다음과 같다.mingw/Cmake 이용한 빌드 및 개발 환경 셋업.(IDE..

1. 문제 상황 분명히 내 윈도우 데스크톱에서는 이미지를 지웠는데 Mac의 Git에서는 관련 파일이 트래킹되는 문제가 있다. 아래와 같이 Menu 폴더 밑에 대부분의 이미지들을 지웠다. 그런데 내 맥북에서는 그걸 풀 받아도 해당 파일들이 남아있는 문제가 보였다. 게다가 해당 자산~ 파일들에 대한 meta 파일들은 추적이 또 된다... 이미지는 추적이 안 되는데. 2. 원인 알아보니 Mac에서는 *한글 이름으로 된 * 파일 저장시 파일명의 자소가 분리되어 제대로 Tracking되지 않는 문제가 있는 것 같다. 따라서 Mac에서 파일을 추가했을 때, 그걸 지워도 그 파일을 지웠다고 추적되지 않았음. -> 따라서 Mac에서 아무 세팅을 하지 않은 채로 한글명 파일을 추가해버리면 안된다. 아래에 동일한 문제를 ..

이 글은 하단의 Reference에 있는 강의, 교재를 보고 정리한 것입니다. 11.0 Intro 지금까지 다룬 Fully connected layer, word2vec, CNN 등은 항상 신호가 단방향으로 흐르는 피드포워드라는 유형의 신경망이었다. 이런 유형의 신경망은 그 구조가 단순하여 이해하기 쉽다는 장점이 있다. 그러나 시계열 데이터를 잘 다루지 못한다는 단점이 있다. 더 정확히는 단순한 피드포워드 신경망에서는 시계열 데이터의 성질(패턴)을 충분히 학습할 수 없다. 그래서 순환 신경망Recurrent Neural Network(RNN)을 도입하게 된다. 이번 장에서는 언어 모델의 확률적 관점에서의 기술 RNN구조 RNN구현 RNNLM RNNLM의 구현과 평가 에 대해 다룬다. 11.1 Probab..

이 글은 하단의 Reference에 있는 강의, 교재를 보고 정리한 것입니다. 10.0 Intro 이 장에서는 word2vec을 개선하는 것을 목표로 한다. 이는 구체적으로 계산 병목이 발생하는 부분의 구조를 바꾸는 것으로 embedding layer 도입 negative sampling기법 사용 을 통해 수행된다. 10.1 Word2vec의 개선 방향 이전 장에서 다룬 Word2vec의 CBOW 모델은 맥락으로 2개의 단어를 사용할 때 다음 과 같은 구조다. 이 구조는 어휘 수가 작은 corpus에 대해서는 별 문제없이 계산이 수행되나 어휘 수가 100만 정도 되는 corpus를 다룰 때는 다음 와 같은 구조가 되고 계산 병목이 발생한다. 계산 병목이 발생하는 부분은 구체적으로 다음과 같다. 입력층으로..

이 글은 하단의 Reference에 있는 강의, 교재를 보고 정리한 것입니다. 9.0 Intro 앞 장에 이어 이번 장의 주제도 단어의 분산 표현이다. 저번 장에서는 '통계 기반 기법'을 통해 단어의 분산 표현을 얻었으나, 이번 장에서는 '추론 기반 기법'을 이용해 단어의 분산 표현을 얻는 법에 대해 살펴본다. 최종적인 이번 장의 목표는 간단한 word2vec 구현하기다. 9.1 추론 기반 기법과 신경망 단어를 벡터로 표현하는 가장 대표적인 두 방법으로는 통계 기반 기법과 추론 기반 기법이 있다. 이 절에서는 통계 기반 기법의 문제점을 알아보고 추론 기반 기법의 이점을 설명한다. 9.1.1 통계 기반 기법의 문제 이전 장에서 다룬 통계 기반 기법에서는 주변 단어의 빈도를 기초로 단어를 표현했다. 그러나 ..

이 글은 하단의 Reference에 있는 강의, 교재를 보고 정리한 것입니다. 8.0 Intro 이 글에서는 자연어 처리 분야에서 컴퓨터가 자연어를 이해하게 만드는 방법 파이썬으로 텍스트를 처리하는 방법 에 대해 다룬다. 8.1 What is Natural Language Processing?(NLP) 영어, 일본어, 한국어 등 일상에서 의사소통을 위해 사용하는 말을 자연어Natural language라 한다. 그러니, 자연어 처리란 '우리가 하는 말을 컴퓨터가 이해하도록 만드는 작업' 정도로 정의할 수 있다. 이것이 어려운 이유는 컴퓨터가 이해할 수 있는 것은 명확한 규칙에 따라 해석될 수 있는 코드들 뿐이기 때문이다. 그 의미가 모호하거나 변화하는 자연어는 이런 코드와는 상당히 다른 성격을 갖고 있으..