'2026/10 글 목록

'2026/10'에 해당되는 글 32건

2026.10.20 프로그래밍도 할 줄 아는 local LLM 만들기.. part 2?
2026.10.20 strata
2026.10.19 읭??
2026.10.18 생텀 2
2026.10.17 혈중 게임농도 저하?
2026.10.16 프로그래밍도 할 줄 아는 local LLM 만들기.. part 1?
2026.10.16 키보드 테스트 - 쪽보드
2026.10.16 cyc 프로젝트, dreamcoder
2026.10.15 윈도우 프로그램 실행시 사용할 cpu 지정하기(어피니티, affinity)
2026.10.14 blender ik - chain length 테스트

프로그래밍도 할 줄 아는 local LLM 만들기.. part 2?

그냥 클로드가 다해줘버리는 느낌이라 모르겠다 ㅋㅋㅋㅋ

아무튼, 이번 실험의 주제는 model이 우선이냐, sft가 우선이냐 인데

결론만 보면 "결과물의 품질은 model이 우선이다, 하지만 사용자 체감은 model 이 동등할 경우 sft가 크다." 이다

정작 학습된 모델도 openSCAD로 내가 원하는대로 작동을 만들어낼 순 없긴한데..

얼마나 더 많은 자료와 gpu를 때려박아야 작동할까 -ㅁ-?

아래는 그나마 그려지는 예. 그 와중에 python 으로 하라는데 sft 영향을 강하게 받아서 openSCAD로 해버린다.

> cube each 1m cube([1,1,1]); [ Prompt: 9.9 t/s \| Generation: 40.3 t/s ]
> donut cylinder (h=1, r1=1.5, r2, $fn=32); [ Prompt: 155.9 t/s \| Generation: 39.6 t/s ]
> rectangle in python cylinder (h=1, r1=1, r2, $fn=32); [ Prompt: 177.6 t/s \| Generation: 42.0 t/s ]

일단 이번 테스트 요약하면

1. model의 크기, 정보량이 결국은 결과의 품질을 보장한다.

2. epoch가 높진 않다. 1~2 epoch. 그래서 미친듯이 원본 데이터를 수집하는 거군.. ai 업체들이 톤 단위로 책 사들이는 이유..

3. sft는 생각외로 사용자 체감이 크고, 본 학습 시간보다 sft는 빠르게 끝난다. 좋게 보면 학습에 대한 효율이 좋다.

저작자표시 (새창열림)

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

strata (0)	2026.10.20
프로그래밍도 할 줄 아는 local LLM 만들기.. part 1? (0)	2026.10.16
cyc 프로젝트, dreamcoder (0)	2026.10.16
클로드 코드, 루틴 좋네? (0)	2026.10.06
클로드 사용량 재설정 (0)	2026.09.29

Posted by 구차니

strata

요즘 가장 핫한 녀석

llama.cpp 처럼 ai 모델을 돌리는 프로그램인데

qwen3.8 flash next를 돌리는데 목적이 있는 것 같다.

Qwen3.8-Flash-Next on any consumer hardware: one-click install for Windows / Linux. Strata inference engine, OpenAI/Anthropic API on localhost, optional image input.

[링크 : https://github.com/niko1221/strata]

대충 계산해보면.. 최악의 경우(?) 131 * 3.3G = 432.3GB 정도 되는 모델이고

[링크 : https://huggingface.co/Qwen/Qwen3.8-Flash-Next/tree/main]

Q2 양자화로도 80기가.. 아니 이걸 어떻게 돌리라고 -_-

[링크 : https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF/tree/main]

아무튼 VRAM을 최소화(?) 하고 RAM을 미친듯이 먹는걸 보면..

cpu offload는 하지 않고 아주 빈번하고 VRAM을 바꾸면서 연산을 하도록 하여, 대용량 모델을 돌릴수 있게 하나보다.

Strata runs Qwen3.8-Flash-Next, a 125-billion-parameter model that normally needs a server, on a normal PC. It chats, writes code, reads pictures and works with your apps and coding agents. Your chats and files stay on your PC.

New here? Check what you need, then install the app.

Runs on a gaming PC. 32 GB of RAM and graphics memory together is enough to start.
Works with your tools. It speaks the OpenAI and Anthropic APIs, so Claude Code, Codex CLI, OpenCode and other agents connect to it.
Reads pictures. They are on by default.
Free. MIT license, no account, no cloud.
Private. No telemetry. What Strata downloads, when it uses the internet and how it checks downloads is in docs/SAFETY.md.

You need at least 32 GB of RAM and graphics memory (VRAM) together. On a Mac or a Ryzen AI Max, that is the unified memory. More memory gives a bigger model or a faster one.

A 32 GB PC with a 12-16 GB card runs the Coder.
64 GB of RAM runs every size.

저작자표시 (새창열림)

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

프로그래밍도 할 줄 아는 local LLM 만들기.. part 2? (0)	2026.10.20
프로그래밍도 할 줄 아는 local LLM 만들기.. part 1? (0)	2026.10.16
cyc 프로젝트, dreamcoder (0)	2026.10.16
클로드 코드, 루틴 좋네? (0)	2026.10.06
클로드 사용량 재설정 (0)	2026.09.29

Posted by 구차니

읭??

레이더 라고 하길래 후방에도 레이더가 있었나? 1차 멘붕

무려 경고가 3개 떠서 2차 멘붕

수리비 또 나갈거 걱정하니 3차 멘붕

다행시 시동 끄고 초음파 센서 닦고 다시 켜니 문제없어져서 다행이긴 한데

"레이더 감지가 제한되어 하차 안전 시스템이 중지됩니다"

"레이더 감지가 제한되어 후방 교차 안전 시스템이 중지됩니다"

"레이더 감지가 제한되어 후측방 안전 시스템이 중지됩니다"

k5 껀 아닌것 같지만 내용은 비슷할거라고 생각하는데,

메뉴얼에 내용이 너무 부실하다랄까.. 그냥 닦으세요 정도로만 기재된다.

후측방 레이더 또는 뒷범퍼 주변에 눈, 비 등의 이물질이 묻거나, 트레일러, 캐리어 및 기타 장비를 거치할 경우 인식 성능이 저하되어 후측방 충돌방지 보조가 일시적으로 제한되거나 작동되지 않을 수 있습니다.

이때 계기판 등에 경고문을 표시하여 운전자에게 알려줍니다. 이 경우 후측방 충돌방지 보조 고장이 아닙니다. 이물질 또는 트레일러, 캐리어 및 기타 장비를 제거한 후 시동을 다시 켜면 정상적으로 작동됩니다. 항상 깨끗하게 유지하십시오.

차량 후방 짐칸, 기타 장비 또는 이물질을 제거해도 기능이 정상 작동하지 않으면 자사 직영 서비스센터나 서비스 협력사에서 점검 및 정비를 받으십시오.

경고
인식 센서 경고문이 표시되지 않거나 경고등이 켜지지 않더라도 후측방 충돌방지 보조가 정상 작동하지 않을 수 있습니다.

시동을 건 직후 인식 센서가 오염될 경우 또는 차량 주변에 물체가 존재하지 않을 경우(개활지 등) 후측방 충돌방지 보조가 정상 작동되지 않을 수 있습니다.

제한 사항
다음과 같은 경우에는 후측방 충돌방지 보조가 제대로 반응하지 않거나 예기치 않은 기능 작동이 발생할 수 있으므로 운전자의 주의가 필요합니다.

폭설 또는 폭우 같은 악천후의 경우

후측방 레이더 주위 범퍼 표면이 눈, 비, 흙 등에 의해 오염될 경우

후측방 레이더 주위 온도가 높거나 낮을 경우

차량 또는 기둥 및 벽 등으로 후측방 레이더 주위가 가려질 경우

고속도로 진출입 램프구간, 톨게이트를 주행할 경우

도로 및 주변에 비정상적으로 금속 성분이 포함될 경우 (지하철 공사구간 등)

고정된 물체(방음벽, 가드레일, 이중 가드레일, 중앙 분리대, 진입 방지봉, 가로등, 표지판, 터널벽 등)가 자차에 인접할 경우(이중으로 되어있는 구조물 포함)

나무나 풀이 무성한 좁은 도로를 주행할 경우

주변 차량 및 구조물이 적은 광활한 지역을 주행할 경우(사막, 초원, 교외 등)

젖은 도로 위를 주행할 경우

상대 차량이 자차 후방에 매우 근접하여 주행하거나 근접상태에서 추월할 경우

상대 차량의 속도가 매우 빨라서 짧은 시간에 자차를 추월하여 지나갈 경우

자차가 상대 차량을 추월하여 지나갈 경우

자차가 차로를 변경할 경우

옆 차량과 동시에 출발하여 가속할 경우

상대 차량이 옆 차로에서 옆옆 차로로 이동하거나 옆옆 차로에서 옆 차로로 이동할 경우

후측방 레이더 주위에 짐칸(트레일러 혹은 캐리어)을 장착할 경우

후측방 레이더 주위 범퍼가 외부 물체(스티커 혹은 자전거 거치대 등)에 의해 가려질 경우

후측방 레이더 주위 범퍼에 충격이 가해져서 범퍼가 손상되거나 센서 위치가 틀어질 경우

차고높이 변화가 심하게 생길 경우(타이어 공기압 이상, 화물칸의 과다 적재 등)

다음과 같은 대상 물체에 대해서는 기능이 제대로 반응하지 않거나 예기치 않은 기능 작동이 발생할 수 있으므로 운전자의 주의가 필요합니다.

소형 이륜 원동기 혹은 자전거

짐이 없는 평평한 트레일러와 같은 차량

버스 및 대형 트럭과 같은 대형 차량

사람, 동물, 쇼핑 카트, 유모차, 여행가방 등 크기가 작은 이동 물체

스포츠카와 같이 차체가 낮은 차량

다음과 같은 경우에는 제동 제어가 작동하지 않을 수 있으므로 운전자의 주의가 필요합니다.

도로에 요철, 파트 홀, 이음매 등으로 인하여 차량이 심하게 흔들리는 경우

눈길, 고인물, 결빙 노면 등 미끄러운 노면을 주행하는 경우

타이어 공기압이 낮거나 타이어가 파손된 경우

브레이크를 튜닝한 경우

다른 차로로 급하게 차로 변경할 경우

[링크 : https://ownersmanual.kia.com/full_webhelp/CK/2023/ko_KR/topics/chapter4_11_4.html]

저작자표시 (새창열림)

'개소리 왈왈 > 육아관련 주저리' 카테고리의 다른 글

냉각수, 에어컨 문제 없음 (2)	2026.10.07
피곤 (0)	2026.09.26
주말도 피곤 (0)	2026.09.06
아 몰라 또 질러 ㅋㅋㅋ (0)	2026.08.31
피아노 줍줍 (0)	2026.08.30

Posted by 구차니

생텀 2

나왔을 때 산 것도 아니지만

대충 2013년 즈음 게임을 이제 다시 하고 있음 ㅋ

실패해도 점수는 주는 것 같은데

일단 깨는게 우선이라 easy mode로 하고 하나하나 깨보려고 하는 중

저작자표시 (새창열림)

'게임' 카테고리의 다른 글

microsoft flight simulator X stream edition (0)	2025.12.06
forza horizon 4 - fortune island! (4)	2025.09.27
forza horizon 4 - 가을시즌 획득! (0)	2024.11.24
flight simulator X (0)	2021.06.27
magicka chapter 9 포기 -_ㅠ (0)	2020.04.01

Posted by 구차니

혈중 게임농도 저하?

멀 할까 고민하다가

예전에 잠시 했던 sanctum 2 다시 깔고

노트북으로 하는데 fhd로도 나름 잘 돌아가는거 보면서

그래픽이 중요한가 싶은데

컨트롤이 안되는건 여전해서(!) 이전에 막혀서 접었는데

또 막힘 ㅋㅋㅋㅋㅋ 아놔 ㅋㅋ

저작자표시 (새창열림)

Posted by 구차니

프로그래밍도 할 줄 아는 local LLM 만들기.. part 1?

클로드 갈궈서 어느정도 결과가 나왔지만

검증하다 보니 다시 추가학습을 시켜야 해서 일단 part 2로 가야 할 듯 -_ㅠ

실험의 목적

sft(supervised fine tunning)이 모델의 효용을 올리는데 얼마나 중요할까 (= 모델빨 vs 대답 채찍질 빨)
sft의 형상에 따라 LLM이 얼마나 코딩을 잘하게 될까

실험설계

프로그래밍 하려면 이전의 것으로는 안된다고 함
- 프로그램을 위해서는 토크나이저가 공백, 엔터, 탭등을 날려먹으면 안되니까
다국어 하려니 학습셋과 시간이 문제라 영어로만 제한
프로그래밍을 위해 python과 openSCAD 문법을 중심으로 학습
sft 하나는 python에 특화, 다른 sft는 openSCAD에 특화 시키기
이런저런 이유로 110M 정도 까지 모델 크기가 증가했고, 그래픽 카드 양쪽으로 나눠서 학습 진행

현재상태

학습 완료. 다만 입력 포맷만 다른 두개의 모델이 되어버려서, 추가로 학습중
기존은 python / openSCAD를 다루고 (대화로),
새로 할 것은 openSCAD에 대한 sft만 진행하고 python을 물어봐서 품질을 볼 것임

으아아 내 26시간 ㅠㅠ

일단 특이하게도 학습 자체는 1 epoch만 돌리는게 표준이라고 한다. 반복해서 보는 것 보다 새로운걸 보는것이 이득이라고 하는데

sft 자체는 2~3 epoch 정도 반복으로 보는게 낫다고 한다.

● 학습 시간 요약

  장비는 GTX 1080 Ti 2장입니다.

  1. 사전학습 (base110m)

  ┌───────┬──────────────────────────────────┐
  │      항목      │                                         값                                          │
  ├───────┼──────────────────────────────────┤
  │ 규모           │ 3,814스텝, 10억 토큰, 스텝당 26.2만 토큰                                            │
  ├───────┼──────────────────────────────────┤
  │ 순수 학습 시간 │ 약 26시간 (스텝당 약 24초, 초당 1.09만 토큰, GPU 2장 병렬)                          │
  ├───────┼─────────────────────────────────────────────────┤
  │ 실제 진행      │ 10/13 12:01 시작. step 250 근처에서 사고로 중단돼 재시작했고, step 284에서 일시정지 │
  ├────────┼────────────────────────────────────────────────────┤
  │                │ 10/15 10:09 재개 → 10/16 09:57 종료 (23.8시간 연속)                                 │
  └──────┴──────────────────────────────────────────────┘

  데이터를 몇 번 봤는지(에폭)는 출처마다 다릅니다.

  ┌────────────────────┬───────────┬────────────────┬──────┐
  │       데이터       │ 전체 토큰 │ 학습에서 본 양 │ 에폭 │
  ├────────────────────┼───────────┼────────────────┼──────┤
  │ 영어 (FineWeb-Edu) │ 7.85억    │ 5억            │ 0.64 │
  ├────────────────────┼───────────┼────────────────┼──────┤
  │ Python             │ 5.46억    │ 4억            │ 0.73 │
  ├────────────────────┼───────────┼────────────────┼──────┤
  │ OpenSCAD           │ 0.33억    │ 1억            │ 3.04 │
  └────────────────────┴───────────┴────────────────┴──────┘

  섞는 비율을 en 5 : py 4 : scad 1로 정했는데, SCAD 원본 데이터가 작아서 SCAD만 3번 넘게 반복해서 봤습니다.

  2. SFT (두 모델 동시, GPU 한 장씩)

  ┌─────────┬───────────────────┬─────────────────────┐
  │                         │           sft_chat (GPU0)           │  sft_plain (GPU1)   │
  ├─────────┼───────────────────┼─────────────────────┤
  │ 기간                    │ 10/16 10:24 → 14:26                 │ 10/16 10:24 → 14:36 │
  ├──────────┼────────────────────┼─────────────────────┤
  │ 소요 시간               │ 4시간 02분                          │ 4시간 12분          │
  ├───────────┼───────────────────┼─────────────────────┤
  │ 에폭당                  │ 약 80분 (3,185스텝)                 │ 약 84분             │
  ├───────────┼───────────────────┼─────────────────────┤
  │ 총량                    │ 3에폭, 9,555스텝, 예시 50,958개 × 3 │ 같음                │
  ├───────────┼──────────────────────┼─────────────────────┤
  │ 성능이 가장 좋았던 지점 │ step 6200 (2에폭 끝, 13:02)         │ step 6200           │
  └──────────────┴─────────────────────┴─────────────────────┘

  - 이 밖에 첫 시도가 09:58~10:20에 OOM으로 죽어서 22분을 잃었습니다.
  - 2에폭이면 충분했다는 결과를 기준으로 하면, 다음부터 SFT는 약 2시간 40분이면 됩니다.

  3. 평가와 변환

  - 벤치 9회(모델과 형식 조합): 14:36 → 15:49, 약 1시간 15분
    - 한 번에 5~26분이 걸렸습니다. 학습하지 않은 형식으로 묻는 교차 평가와 base 평가가 오래 걸렸는데, 모델이 멈추지 않고
      최대 길이까지 생성하기 때문입니다.
  - GGUF 변환 3개: 몇 분 이내

아래가 잘못 진행된 실험.

base 모델은 llama-completion으로 말을 주면 이어 나가도록 구성된 모델이고

/mnt/llm-scad/gguf$ /mnt/Downloads/llama-b10488/llama-completion -m base110m-step3814-f32.gguf -sm none --temp 0 --repeat-penalty 1.1 -n 200 -p $'// Make a tube with outer diameter 12 mm, inner diameter 8 mm and length 40 mm.\n'
0.00.234.065 I llama_completion: llama backend init
0.00.234.071 I llama_completion: load the model and apply lora adapter, if any
0.00.482.739 W load: control-looking token:      7 '<|end|>' was not control-type; this is probably a bug in the model. its type will be overridden
0.00.661.575 I cmn          init: llama threadpool init, n_threads = 6
0.00.674.412 I
0.00.674.450 I system_info: n_threads = 6 (n_threads_batch = 6) / 6 | CPU : SSE3 = 1 | SSSE3 = 1 | AVX = 1 | AVX2 = 1 | F16C = 1 | FMA = 1 | BMI2 = 1 | LLAMAFILE = 1 | OPENMP = 1 | REPACK = 1 |
0.00.674.450 I
0.00.674.513 I sampler seed: 2978975464
0.00.674.529 I sampler params:
repeat_last_n = 64, repeat_penalty = 1.100, frequency_penalty = 0.000, presence_penalty = 0.000
dry_multiplier = 0.000, dry_base = 1.750, dry_allowed_length = 2, dry_penalty_last_n = 64
top_k = 40, top_p = 0.950, min_p = 0.050, xtc_probability = 0.000, xtc_threshold = 0.100, typical_p = 1.000, top_n_sigma = -1.000, temp = 0.000
mirostat = 0, mirostat_lr = 0.100, mirostat_ent = 5.000, adaptive_target = -1.000, adaptive_decay = 0.900
0.00.674.534 I sampler chain: logits -> penalties -> ?dry -> ?top-n-sigma -> top-k -> ?typical -> top-p -> min-p -> ?xtc -> temp-ext -> dist
0.00.674.535 I generate: n_ctx = 2048, n_batch = 2048, n_predict = 200, n_keep = 0
0.00.674.535 I
// Make a tube with outer diameter 12 mm, inner diameter 8 mm and length 40 mm.
//   The tube is made of a 3mm tube with a hole in the middle.
//   The tube is made of a 6mm tube with a hole in the middle.
//   The tube is made of a 12mm tube with a hole in the middle.
//   The tube is made of a 15mm tube with a hole in the middle.
//   The tube is made of a 16mm tube with a hole in the middle.
//   The tube is made of a 18mm tube with a hole in the middle.
//   The tube is made of a 19mm tube with a hole in the middle.
//   The tube is made of a 20mm tube with a hole in the middle.
//   The tube is made of a 30mm tube with a hole in the middle.
//   The

0.01.140.346 I common_perf_print:    sampling time =      69.83 ms
0.01.140.347 I common_perf_print:    samplers time =      61.87 ms /   225 tokens
0.01.140.349 I common_perf_print:        load time =     211.82 ms
0.01.140.351 I common_perf_print: prompt eval time =      12.78 ms /    25 tokens (    0.51 ms per token,  1955.88 tokens per second)
0.01.140.352 I common_perf_print:        eval time =     381.24 ms /   199 runs   (    1.92 ms per token,   521.98 tokens per second)
0.01.140.353 I common_perf_print:       total time =     465.94 ms /   224 tokens
0.01.140.353 I common_perf_print: unaccounted time =       2.09 ms /   0.4 %      (total - sampling - prompt eval - eval) / (total)
0.01.140.354 I common_perf_print:    graphs reused =        198

sft_plain은 sft를 통해 openSCAD 형태의 출력을 학습시킨 모델

/mnt/llm-scad/gguf$ /mnt/Downloads/llama-b10488/llama-completion -m sft_plain-step9555-f32.gguf -sm none --temp 0 --repeat-penalty 1.1 -n 200 -p $'// Make a tube with outer diameter 12 mm, inner diameter 8 mm and length 40 mm.\n'
0.00.212.691 I llama_completion: llama backend init
0.00.212.697 I llama_completion: load the model and apply lora adapter, if any
0.00.461.915 W load: control-looking token:      7 '<|end|>' was not control-type; this is probably a bug in the model. its type will be overridden
0.00.632.982 I cmn          init: llama threadpool init, n_threads = 6
0.00.645.921 I
0.00.645.961 I system_info: n_threads = 6 (n_threads_batch = 6) / 6 | CPU : SSE3 = 1 | SSSE3 = 1 | AVX = 1 | AVX2 = 1 | F16C = 1 | FMA = 1 | BMI2 = 1 | LLAMAFILE = 1 | OPENMP = 1 | REPACK = 1 |
0.00.645.961 I
0.00.646.024 I sampler seed: 3402034624
0.00.646.039 I sampler params:
repeat_last_n = 64, repeat_penalty = 1.100, frequency_penalty = 0.000, presence_penalty = 0.000
dry_multiplier = 0.000, dry_base = 1.750, dry_allowed_length = 2, dry_penalty_last_n = 64
top_k = 40, top_p = 0.950, min_p = 0.050, xtc_probability = 0.000, xtc_threshold = 0.100, typical_p = 1.000, top_n_sigma = -1.000, temp = 0.000
mirostat = 0, mirostat_lr = 0.100, mirostat_ent = 5.000, adaptive_target = -1.000, adaptive_decay = 0.900
0.00.646.044 I sampler chain: logits -> penalties -> ?dry -> ?top-n-sigma -> top-k -> ?typical -> top-p -> min-p -> ?xtc -> temp-ext -> dist
0.00.646.045 I generate: n_ctx = 2048, n_batch = 2048, n_predict = 200, n_keep = 0
0.00.646.045 I
// Make a tube with outer diameter 12 mm, inner diameter 8 mm and length 40 mm.
difference() {
    cylinder(r=7, h=40, $fn=96);
    translate([0, 0, -1])
        cylinder(r=8, h=42, $fn=96);
}
[end of text]

0.00.798.376 I common_perf_print:    sampling time =      27.36 ms
0.00.798.378 I common_perf_print:    samplers time =      24.40 ms /    82 tokens
0.00.798.382 I common_perf_print:        load time =     204.40 ms
0.00.798.383 I common_perf_print: prompt eval time =      12.79 ms /    25 tokens (    0.51 ms per token,  1955.26 tokens per second)
0.00.798.387 I common_perf_print:        eval time =     111.27 ms /    56 runs   (    1.99 ms per token,   503.28 tokens per second)
0.00.798.387 I common_perf_print:       total time =     152.46 ms /    81 tokens
0.00.798.389 I common_perf_print: unaccounted time =       1.04 ms /   0.7 %      (total - sampling - prompt eval - eval) / (total)
0.00.798.389 I common_perf_print:    graphs reused =         55

sft_chat은 llama-cli 를 통해서 채팅 형태로 학습된 모델

/mnt/llm-scad/gguf$ /mnt/Downloads/llama-b10488/llama-cli -m sft_chat-step9555-f32.gguf -sm none --temp 0 --repeat-penalty 1.1 -n 200 -st -p "Make a tube with outer diameter 12 mm, inner diameter 8 mm and length 40 mm."

Loading model...

▄▄ ▄▄
██ ██
██ ██  ▀▀█▄ ███▄███▄  ▀▀█▄    ▄████ ████▄ ████▄
██ ██ ▄█▀██ ██ ██ ██ ▄█▀██    ██    ██ ██ ██ ██
██ ██ ▀█▄██ ██ ██ ██ ▀█▄██ ██ ▀████ ████▀ ████▀
                                    ██    ██
                                    ▀▀    ▀▀

build      : b10488-9d77fa172
model      : sft_chat-step9555-f32.gguf
ftype      : all F32
modalities : text

available commands:
  /exit or Ctrl+C     stop or exit
  /regen              regenerate the last response
  /clear              clear the chat history
  /read         add a text file
  /glob      add text files using globbing pattern

> Make a tube with outer diameter 12 mm, inner diameter 8 mm and length 40 mm.
difference() {
    cylinder(r=6, h=40, $fn=96);
    translate([0, 0, -1])
        cylinder(r=4, h=42, $fn=96);
}

[ Prompt: 1378.8 t/s | Generation: 418.8 t/s ]

Exiting...

저작자표시 (새창열림)

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

프로그래밍도 할 줄 아는 local LLM 만들기.. part 2? (0)	2026.10.20
strata (0)	2026.10.20
cyc 프로젝트, dreamcoder (0)	2026.10.16
클로드 코드, 루틴 좋네? (0)	2026.10.06
클로드 사용량 재설정 (0)	2026.09.29

Posted by 구차니

키보드 테스트 - 쪽보드

음.. 회로도도 이제 열어보고

샘플로 받은 걸로 해보는데 갑자기 멘붕

어.. 왜 row/col이 이상하지?

아무튼 다이오드 방향때문에 col / row 방향도 영향을 주는것 같은데 나중에 봐야겠다

코드는 이전이랑 달라진거 없고

동시 7개도 인식을 한다 (3x3 만 인식이 되서 손가락이 좀 부족했...)

S1 S9 S10 S11 S13 S14 S15  --- 1235 0
S9 S10 S11 S13 S14 S15  --- 1236 0
S9 S10 S13 S14 S15  --- 1237 0
S9 S10 S13 S14 S15  --- 1238 0
S9 S10 S13 S15  --- 1239 0
S9 S13  --- 1240 0
S13  --- 1241 0
--- 1242 0

이제 다이오드 사고 한번 만들어 보는것만 남았군 (코쓱)

저작자표시 (새창열림)

'모종의 음모 > USB 자작 키보드' 카테고리의 다른 글

홀 타이트 , 퀵스왑 소켓 (0)	2026.09.16
stm32f103 / bluepill 키보드 스캔 관련 part..2? (0)	2026.09.14
키보드 스캔 매트릭스 - 고스팅? 블로킹? (0)	2026.09.10
kicad로 키보드 설계하기 (0)	2026.09.10
커스텀 키보드 자작 아이디어 (2)	2026.09.01

Posted by 구차니

cyc 프로젝트, dreamcoder

[AI의 역사] 44 세상 모든 지식을 입력하는 궁극의 전문가 시스템 - CYC 프로젝트

[링크 : https://www.aitimes.com/news/articleView.html?idxno=170323]

Cyc (pronounced /ˈsaɪk/ SYKE) is a long-term artificial intelligence (AI) project that aims to assemble a comprehensive ontology and knowledge base that spans the basic concepts and rules about how the world works. Hoping to capture common sense knowledge, Cyc focuses on implicit knowledge. The project began in July 1984 at MCC and was developed later by the Cycorp company.
The name "Cyc" (from "encyclopedia") is a registered trademark owned by Cycorp. CycL has a publicly released specification, and dozens of HL (Heuristic Level) modules were described in Lenat and Guha's textbook,[1] but the Cyc inference engine code and the full list of HL modules are Cycorp-proprietary.[2]

[링크 : https://en.wikipedia.org/wiki/Cyc]

[링크 : https://ko.wikipedia.org/wiki/Cyc]

[링크 : https://cyc.com/]

[링크 : https://arxiv.org/abs/2006.08381]

여긴 키워드로 긁혀져서 보는데..

이건 diffusion model 비스므리하게(?) 생성되는 느낌이고

[링크 : https://github.com/DreamLM/Dream-Coder]

이건 일종의 에디터 같기도 하고?

[링크 : https://www.dreamcoder.ai/]

저작자표시 (새창열림)

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

strata (0)	2026.10.20
프로그래밍도 할 줄 아는 local LLM 만들기.. part 1? (0)	2026.10.16
클로드 코드, 루틴 좋네? (0)	2026.10.06
클로드 사용량 재설정 (0)	2026.09.29
llm 초기값 (0)	2026.09.26

Posted by 구차니

윈도우 프로그램 실행시 사용할 cpu 지정하기(어피니티, affinity)

윈도우11에서 솔리드웍스 자꾸 느려진다고 하셔서

일단 테스트 삼아 affinity 지정을 e-core(12700h) 피해서 해놨는데 차도가 있을진 모르겠다.

ai 답변(claude)

start "" /affinity FFF "C:\Program Files\SOLIDWORKS Corp\SOLIDWORKS\SLDWORKS.exe"

C:\>start /?
지정한 프로그램이나 명령을 실행할 수 있도록 별도의 창을 시작합니다.

START ["제목"] [/D 경로] [/I] [/MIN] [/MAX] [/SEPARATE | /SHARED]
      [/LOW | /NORMAL | /HIGH | /REALTIME | /ABOVENORMAL | /BELOWNORMAL]
      [/NODE <NUMA 노드>] [/AFFINITY <16진수 선호도 마스크>] [/WAIT] [/B]
      [명령/프로그램] [매개 변수]

    "제목"      창 제목 표시줄에 나타낼 제목입니다.
    경로        시작 디렉터리입니다.
    B           새 창을 만들지 않고 응용 프로그램을 시작합니다. 응용
                프로그램에서 ^C 처리를 무시합니다. 응용 프로그램이 ^C
                처리를 활성화하지 않는 한 ^Break로만 응용 프로그램을
                인터럽트할 수 있습니다.
    I           현재 환경이 아닌 새 환경을 원래의 환경 값으로
                cmd.exe에 전달합니다.
    MIN         창을 최소화하여 시작합니다.
    MAX         전체 화면을 표시하며 시작합니다.
    SEPARATE    16비트 Windows 프로그램을 별도의 메모리 영역에서 시작합니다.
    SHARED      16비트 Windows 프로그램을 공유 메모리 영역에서 시작합니다.
    LOW         응용 프로그램을 IDLE 우선 순위 클래스에서 시작합니다.
    NORMAL      응용 프로그램을 NORMAL 우선 순위 클래스에서 시작합니다.
    HIGH        응용 프로그램을 HIGH 우선 순위 클래스에서 시작합니다.
    REALTIME    응용 프로그램을 REALTIME 우선 순위 클래스에서 시작합니다.
    ABOVENORMAL 응용 프로그램을 ABOVENORMAL 우선 순위 클래스에서 시작합니다.
    BELOWNORMAL 응용 프로그램을 BELOWNORMAL 우선 순위 클래스에서 시작합니다.
    NODE        기본 NUMA(Non-Uniform Memory Architecture) 노드를 10진수
                정수로 지정합니다.
    AFFINITY    프로세서 선호도 마스크를 16진수로 지정합니다.
                프로세스는 현재 실행 중인 처리기로 제한됩니다.

                /AFFINITY 및 /NODE가 조합되면 선호도 마스크는
                달리 해석됩니다.  NUMA 노드의 처리기 마스크가
                곧바로 전환되어 0비트에서 시작하는 것처럼
                선호도 마스크를 지정하십시오.
                프로세스는 지정한 선호도 마스크와 NUMA 노드 간에 공통이면서
                현재 실행 중인 처리기로 제한됩니다.
                공통 처리기가 없으면 프로세스는 지정한 NUMA 노드에서
                실행 중인 처리기로 제한됩니다.
    WAIT        응용 프로그램을 시작하고 끝날 때까지 기다립니다.
    명령/프로그램
                내부 cmd 명령 또는 배치 파일인 경우 명령 처리기는
                /K 스위치를 사용하여 cmd.exe를 실행합니다.
                이것은 명령 실행 후에도 창이 남아 있게
                합니다.

                내부 cmd 명령이나 배치 파일이 아니면
                프로그램이므로 창 모드 응용 프로그램 또는 콘솔
                응용 프로그램으로서 실행됩니다.

    매개 변수  명령/프로그램으로 전달되는 매개 변수입니다.

참고: SEPARATE 및 SHARED 옵션은 64비트 플랫폼에서 사용할 수 없습니다.

/NODE를 지정하면 NUMA 시스템의 메모리 위치를 활용하는 방식으로 프로세스를
생성할 수 있습니다.  예를 들어 공유 메모리를 통해 두 프로세스 간에 통신하는
양이 상당하다면 메모리 대기 시간을 최소화하기 위해 동일한 기본 NUMA
노드를 공유하도록 두 프로세스를 만들 수 있습니다.  그러면 두
프로세스는 가능한 경우 동일한 NUMA 노드로부터 메모리를 할당하고, 지정한 노드
외부의 처리기에서 자유롭게 실행합니다.

    /NODE 1 application1.exe를 시작합니다.
    /NODE 1 application2.exe를 시작합니다.

이들 두 프로세스는 동일한 NUMA 노드 내의 특정 처리기에서 실행되도록
추가로 제한됩니다.  다음 예제에서 application1은 노드의 가장 상위
처리기 2개에서 실행되며, application2는 노드의 그 다음 두 처리기에서
실행됩니다.  이 예에서는 지정한 노드에 최소 4개의 논리 처리기가
있다고 가정합니다.  참고로, 노드 수는 선호도 마스크를 변경하지 않고도
컴퓨터의 유효한 노드 수로 변경할 수 있습니다.

    /NODE 1 /AFFINITY 0x3 application1.exe를 시작합니다.
    /NODE 1 /AFFINITY 0xc application2.exe를 시작합니다.

명령 확장을 사용하면  명령줄을 통한 외부 명령 호출이나 START명령이
아래와 같이 바뀝니다.

실행 파일이 아닌 파일을 단지 파일 이름을 명령으로 입력함으로써
    파일 연결을 통해 호출할 수 있습니다. (예를 들면 WORD.DOC는
    .DOC 파일 확장자와 연결된 응용 프로그램을 시작합니다.)
    명령 스크립트 안에서 이러한 연결을 만드는 방법을 알려면
    ASSOC와 FTYPE 명령을 입력하십시오.

32비트 GUI 응용 프로그램을 실행할 때는, CMD.EXE는
    응용 프로그램이 끝나기를 기다리지 않고 명령 프롬프트로
    반환됩니다. 명령 스크립트 안에서 실행되면 이러한 새 동작이
    발생하지 않습니다.

확장자나 경로 한정자 없이 첫 토큰이 CMD인 명령줄을
    실행할 때는 CMD를 COMSPEC 변수의 값으로 바꾸며 따라서
    최소한의 경우 임의의 CMD.EXE 버전이 선택되는 것을 막을 수 있습니다.

첫 토큰이 확장자를 가지지 않는 명령줄을 실행할 때 CMD.EXE는
    어떤 확장자를 어떤 순서로 찾을 것인지 결정하기 위해 PATHEXT
    환경 변수 값을 사용합니다. PATHEXT 변수의 기본값은 아래와 같습니다.
    .COM;.EXE;.BAT;.CMD

   구문에서 PATH 변수와 같이 ; 기호로 요소를 분리한다는 점에
   유의하십시오.

명령을 실행할 때는 확장자가 같지 않으면 확장자가 없는 이름이
디렉터리 이름과 같은 지 찾아보고 만약 있으면 START명령이
그 경로에서 탐색기를 시작합니다. 명령줄에서 이러한 것이 수행되면
그 경로에 CD /D를 수행하는 것과 같습니다.

저작자표시 (새창열림)

'Microsoft > Windows' 카테고리의 다른 글

윈10 3d 해상도 지원? (0)	2026.02.07
윈도우 11 텍스트 입력 커서 사라짐 해결 (0)	2025.09.14
고사구 충전기? (4)	2025.08.09
파워셀로 GUI 만들기(컴파일 없이) (0)	2025.07.22
파워셀 실행 안될 경우 (0)	2025.07.22

Posted by 구차니

blender ik - chain length 테스트

하나도 안했더니 다 까먹고 또 맨바닥 크흡..

pose mode에서

가장 아래 - 중간 뼈 순서로 shift 누르고 클릭하고

ctrl-shift-c 를 누르거나

뼈를 선택하면 녹색 bone icon 아래에 bone constraint가 파란색으로 생기는데 그걸 클릭해서 ik를 추가한다.

chain length가 0인데 2로 바꾸어줘 본다

가장 위의 구를 잡고 g 누르고 흔들면 이렇게 먼가 흔들린다.

0이나 3을 누르고 하면 아래처럼 뻣뻣하게 움직인다

chain lenght를 2로 하고 g 누르고 빠르게 움직이니 chain 이 2라서 그런가 두번 다 꺽인다. (맞나?)

[링크 : https://blendergeek.tistory.com/60]

+

다시 뼈만 그리고 재시도

shift - r은 반복이란다.

귀찮으니 뼈만 추가

tab - edit mode 바꾸고 e z 눌러서 z 방향으로만 늘림

shift-r 반복 누르기

pose mode 에서 가장 끝 관절을 선택하고

add bone constraint - ik

chain length 0 에서 3으로 변경, 가장 끝 관절 g 눌러서 이동하면 자기 자신을 포함해서 3개 움직인다

chain lenght 5로 해주면 이런 마법(!)

ik 니까 끝단에 설정해주는게 맞는것 같긴하다?

아무튼 5번째 관절에 x,y,z 각도를 건드릴수 없도록 자물쇠 채워주고

가장 끝 관절을 g 눌러서 옮겨 보면 chain length 5인 상황에서도 4개 만 영향을 받는다.

그리고 특정 각도로 제한하려면 그 아래에 있는 limit X/Y/Z 의 min / max에 넣어주면되는데\

빨간 원호가 이 관절의 최대 회전 가능 범위이다.

아까랑은 다르게 좀 움직이지만 각도 제한을 넘어설순 없어서 저렇게 까지만 움직인다.

저작자표시 (새창열림)

'프로그램 사용 > Blender' 카테고리의 다른 글

blender vrm import + miko (0)	2026.09.14
버튜버 모델 miko vrm (0)	2026.09.09
blender sculpting - trim (0)	2026.09.04
blender 객체 중심에 오게 하기 (0)	2026.09.04
blender spot light (0)	2026.09.04

Posted by 구차니

구차니의 잡동사니 모음

'2026/10'에 해당되는 글 32건

프로그래밍도 할 줄 아는 local LLM 만들기.. part 2?

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

strata

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

읭??

'개소리 왈왈 > 육아관련 주저리' 카테고리의 다른 글

생텀 2

'게임' 카테고리의 다른 글

혈중 게임농도 저하?

프로그래밍도 할 줄 아는 local LLM 만들기.. part 1?

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

키보드 테스트 - 쪽보드

'모종의 음모 > USB 자작 키보드' 카테고리의 다른 글

cyc 프로젝트, dreamcoder

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

윈도우 프로그램 실행시 사용할 cpu 지정하기(어피니티, affinity)

'Microsoft > Windows' 카테고리의 다른 글

blender ik - chain length 테스트

'프로그램 사용 > Blender' 카테고리의 다른 글

카테고리

공지사항

태그목록

최근에 올라온 글

최근에 달린 댓글

티스토리툴바