구차니의 잡동사니 모음

포천 출렁다리에 장례식

쉴날이 없구만

아따 빡세다 ㅠㅠ

dlc 2도 가장 쉬움으로 해야지

그나저나 본편 31.8%

dlc1편 10.5% 엔딩을 봤다라..

생각해보니 기존에 쓰던 버전도 몰랐네 -_-?

그래서 리눅스용 tar 파일 받고, 실행하는데 머.. 특별한건 없어 보인다.

로그인 하고

동의하고

뜬다.

소심하게 좌측상단 메뉴 옆에 Antigravity 누르면 버전 나오고 땡

테마 고르고

멀 할지 고르고(아무것도 선택안해도 넘어감)

짜잔~

이전에 작업했던 것들이 왼쪽에 쭈르륵 뜬다. 이건 좀 좋다고 해야하나 말아야 하나?

음.. 저번에 다 써먹었는데 이번에는 좀 쓸만한 양을 주려나?

근데, 우분투에서 패키지로 깐게 아니라

설치하는 경로에서 실행해줘야 해서 조금 귀찮다. 어떻게 데스크탑 아이콘 설정 바꾸지?

Exec 뒤에 경로를 적절히 조정해주면 된다.

[링크 : https://discuss.ai.google.dev/t/ubuntu-24-04-upgrading-to-antigravity-2-0-and-antigravity-ide/146516/4]

먼가 발견하긴 했는데, 이미 서비스 종료 -_ㅠ

[링크 : https://github.com/threedle/ll3m]

[링크 : https://threedle.github.io/ll3m/]

freecad나 blender cad 확장으로는 이래저래 힘들고

python 통해서 제어하면 이상하게 나와서 제어가 유리한 무언가를 찾는 중

[링크 : https://github.com/fogleman/sdf]

[링크 : https://news.hada.io/topic?id=25230]

-----

metric 함수. 얘도 함수였구나.

아무튼 metric은 격하게 오락가락 하고

[링크 : https://modulabs.co.kr/blog/loss-versus-accuracy]

loss 가 점진적 감소 -> 잘 학습

loss 급격히 감소 후 유지 -> 정상

loss 일정 시점 이후 증가 -> over fitting

[링크 : https://m.blog.naver.com/datapreprep/223748771141]

근데.. underfitting은 먼지 감이 안오네.

​   When to change the number of epochs (training cycles) Selecting the appropriate number of epochs is a balance between underfitting and overfitting. Underfitting: One of the most straightforward indicators of underfitting is if the model performs poorly on the training data. This can be observed in Edge Impulse Studio through metrics such as accuracy, or loss, depending on the type of problem (classification or regression). If these metrics indicate poor performance, it suggests that the model has not learned the patterns of the data well. In that case, increasing the number of epochs can improve your model performance. Please note that other solutions exist such as increasing your neural network architecture complexity, changing the preprocessing technique or reducing regularization. Overfitting: Detecting overfitting involves recognizing when the model has learned too much from the training data, including its noise and outliers, to the detriment of its performance on new, unseen data. Overfitting is characterized by the model performing exceptionally well on the training data but poorly on the validation or test data. Evaluating overfitting can be achieved by comparing the performance of the model between the training set and the validation set during training. When the performance on the validation set starts to degrade, it might indicate that the model is beginning to overfit the training data. In that case, decreasing the number of epochs can improve your model performance. As with underfitting, other solutions exist to reduce overfitting such as increasing the number of training data, adding regularization techniques to add penalties on large weights, adding dropout layers, simplifying the model architecture and even using early stopping.

[링크 : https://docs.edgeimpulse.com/knowledge/concepts/machine-learning/neural-networks/epochs]

overfitting 중인 loss 값 이라는데, 

학습셋이 너무 적을 경우 overfitting이 빠르게 발생하는 것으로 보인다.

그나저나 저 130 miliion parameter는 ssd300 에서 어떻게 산출된걸까?

[링크 : https://datascience.stackexchange.com/questions/46456/issues-with-training-ssd-on-own-dataset]

[링크 : https://www.mdpi.com/2673-6470/3/3/12]

1080 ti 가지고 해보려고 했는데 버전이나 다른 문제가 있는지 영안되서

강제로 cpu 로 돌리는데(export CUDA_VISIBLE_DEVICES=-1)

저 선이 얼마나 올라가야 하나 감이 안와서 찾아보는데

엌.. epoch 150.. 어쩌구

[링크 : https://stackoverflow.com/questions/70412433/why-does-a-sudden-increase-in-accuracy-at-an-epoch-in-these-model]

아무튼  steps 로 보고 있는건 의미가 없고

만 스텝 넘어가기 시작하는데 노란색 점이 조금씩 올라가는거 보면. 어마어마 하게 돌려야 하나보다.

epoch가 100단위로 가려면 어우..

로그를 보니, train 일 때 그래프가 갱신된다.

val쪽이 더 빠르게 진행되고, train은 확실히 느리게 진행된다.

+

2026.05.28

먼가.. 주기적으로 확 떨어지는게 보이는데.. 문제가 있는건 아니겠지?

장인어른댁에서 얻어왔는데

커넥터가 s-video 도 아니고 전용 커넥터?!?!. 아니.. usb가 아니었네!??!

검색해보니 PDP 용으로 나온거 같은데.. PDP 에서 전용 

PDP 깐느 PN50A450 

[링크 : https://podol.tistory.com/entry/643]

3d sync out 이라고 써있는 3핀 커넥터.. s-video도 아니고 이건 머라고 찾아야 하나

[링크 : https://podol.tistory.com/entry/641]

[링크 : https://www.avsforum.com/threads/samsung-ssg1000-glasses.1306977/]

+

VESA stereo  라고 불리기도 하는 듯?

[링크 : https://theretroweb.com/io-ports/179]

[링크 : https://makezine.com/article/craft/how-to-3d-glasses-for-ves/]

그래서.. openclaw 에서 대화창 인증하고 나서 바로 메뉴가 추가되었던 건가..

그리고 set_my_commands() 로 등록되어도 채팅 내용으로 받아와지진 않는다.

다른 무슨 처리가 별도로 필요한 듯.

Bot settings

[링크 : https://docs.python-telegram-bot.org/en/stable/telegram.bot.html]

봇 토큰으로 채팅내 메뉴 목록 보기

봇 토큰으로 채팅내 메뉴 비우기

봇 토큰과 채팅id를 이용해서 즉각적으로 메뉴 변경하기.

set_my_commands 로는 대화창을 나가도 바뀌지 않아서, 특정 채팅 아이디 넣어서야 바뀌게 되었음

요건 아직 테스트 안해봄

HF_HOME 환경 변수를 바꿔주면 된다고

리눅스에서는 기본값 ~/.cache/huggingface

[링크 : https://developer0hye.tistory.com/775]