아따 빡세다 ㅠㅠ
dlc 2도 가장 쉬움으로 해야지
그나저나 본편 31.8%
dlc1편 10.5% 엔딩을 봤다라..
| doom eternal , ancient god part 2 최종장 (0) | 2026.06.06 |
|---|---|
| doom eternal ancient god part 2 (0) | 2026.06.04 |
| 둠 이터널 dlc / ancient god part 1 (0) | 2026.05.11 |
| 둠 이터널 노말 난이도 끝 (2) | 2026.01.24 |
| 둠 이터널 - 우르닥 (3) | 2026.01.19 |
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.
| $ cd ~/.local/share/applications $ vi antigravity-ide.desktop $ cat antigravity-ide.desktop [Desktop Entry] Name=Antigravity IDE Comment=Antigravity IDE v2.0 - Experience liftoff GenericName=IDE Exec="/home/minimonk/Antigravity-x64/antigravity" %F Icon=antigravity Type=Application Terminal=false StartupNotify=true StartupWMClass=Antigravity Categories=Development;IDE;TextEditor; MimeType=application/x-antigravity-workspace; $ chmod +x antigravity-ide.desktop $ update-desktop-database ~/.local/share/applications/ |
| llama.cpp reasoning 옵션 (0) | 2026.06.01 |
|---|---|
| safetensors to gguf 일단 실패 (0) | 2026.06.01 |
| telegram bot api 로 기능 변경하기 (0) | 2026.05.25 |
| python huggingface 저장경로 변경하기 (0) | 2026.05.24 |
| vllm 설치, 실행 실패 -> 사실상 포기 (0) | 2026.05.24 |
먼가 발견하긴 했는데, 이미 서비스 종료 -_ㅠ
| Notice: The model used in the paper, Claude Sonnet 3.7, has been retired. As a result, we have discontinued the LL3M server. |
[링크 : https://github.com/threedle/ll3m]
[링크 : https://threedle.github.io/ll3m/]
| gemini + blender (0) | 2025.09.01 |
|---|---|
| blender로 stl 구멍 메우기 (0) | 2025.08.20 |
| blender 휠 에뮬레이트 하기 (0) | 2025.05.18 |
| blender + kinect (0) | 2025.04.16 |
| blender 강좌 (0) | 2025.01.01 |
freecad나 blender cad 확장으로는 이래저래 힘들고
python 통해서 제어하면 이상하게 나와서 제어가 유리한 무언가를 찾는 중
[링크 : https://github.com/fogleman/sdf]
| microhttpd (0) | 2026.06.05 |
|---|---|
| tmux (0) | 2026.05.11 |
| appimage , AppImageLauncher (0) | 2026.04.20 |
| usb device tree viewer (0) | 2026.02.22 |
| exaone 경량 모델 (0) | 2026.02.04 |
-----
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?
|
What you are experiencing is called overfitting and it happens because of your very small dataset.
All the model cares about is performance on the training dataset, so given the opportunity, it will simply attempt to memorize it. This is what happens in you case, you feed a model which contains over 130 Million parameters less than 319 images. So regarding your questions:
|
[링크 : https://datascience.stackexchange.com/questions/46456/issues-with-training-ssd-on-own-dataset]
| The SSD300 has 35.6 million parameters, while the SSDlite320 has about a tenth of them, i.e., 3.4 million. |
| STFPM 실행 (0) | 2026.06.01 |
|---|---|
| NAS - Neural Architecture Search (0) | 2026.05.21 |
| MCUNet (0) | 2026.05.21 |
| STFPM - Student-Teacher Feature Pyramid Matching (0) | 2026.05.20 |
| EfficientAD (0) | 2026.05.20 |
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
| When looking at the visual results of papers, I found that their images showed a sudden increase in accuracy at the 80th epoch( the figure6 in paper "ON THE VARIANCE OF THE ADAPTIVE LEARNING RATE AND BEYOND" ) enter image description here or 150th epoch（the figure3 in paper"ADAPTIVE GRADIENT METHODS WITH DYNAMICBOUND OF LEARNING RATE"） |
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.
| [ssd_mobilenet_v3][Epoch: 8]: val | val-acc: 0.1179 | val-loss: 1.2944 | lr: 0.0100000 |: 100%|██████████| 339/339 [01:16<00:00, 5.04it/s] [ssd_mobilenet_v3][Epoch: 9]: train | acc: 0.2176 | loss: 1.2766 | lr: 0.0100000 |: 0%| | 1/1355 [00:00<14:12, 1.59it/s] |
+
2026.05.28
먼가.. 주기적으로 확 떨어지는게 보이는데.. 문제가 있는건 아니겠지?
 |
 |
 |
 |
| nxp CMSIS-NN (0) | 2026.05.13 |
|---|---|
| g2d_surface g2d_blit() (0) | 2026.02.10 |
| eiq 모델 정리 (0) | 2025.09.16 |
| eiq 데이터 구조 (0) | 2025.09.05 |
| ubuntu 22.04 + cuda + cudnn 설치 (0) | 2025.09.04 |
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]
| The glasses were made for Samsung's 3D ready DLP HDTV's and Samsung Plasma HDTVs that were compatible with 3D Checkerboard. |
[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/]
| nvidia 3d vision + doom eternal 실패 (0) | 2026.02.07 |
|---|---|
| nvidia 3d vision 테스트 - flatout (0) | 2026.02.07 |
| nvidia 3d vision 드라이버 설치 (0) | 2026.02.06 |
| 3d 셔터 글래스 호환성 및 프로토콜 (0) | 2026.02.06 |
| nvidia sheild + trinus vr light + tridef + moonlight(핸드폰) (0) | 2018.04.29 |
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
| set_my_commands() | Used for setting the list of commands |
| delete_my_commands() | Used for deleting the list of commands |
| get_my_commands() | Used for obtaining the list of commands |
| get_my_default_administrator_rights() | Used for obtaining the default administrator rights for the bot |
| set_my_default_administrator_rights() | Used for setting the default administrator rights for the bot |
| get_chat_menu_button() | Used for obtaining the menu button of a private chat or the default menu button |
| set_chat_menu_button() | Used for setting the menu button of a private chat or the default menu button |
| set_my_description() | Used for setting the description of the bot |
| get_my_description() | Used for obtaining the description of the bot |
| set_my_short_description() | Used for setting the short description of the bot |
| get_my_short_description() | Used for obtaining the short description of the bot |
| set_my_name() | Used for setting the name of the bot |
| get_my_name() | Used for obtaining the name of the bot |
| set_my_profile_photo() | Used for setting the profile photo of the bot |
| remove_my_profile_photo() | Used for removing the profile photo of the bot |
[링크 : https://docs.python-telegram-bot.org/en/stable/telegram.bot.html]
봇 토큰으로 채팅내 메뉴 목록 보기
| import asyncio from telegram import Bot async def check_bot_menu(): # Replace with your actual Bot Token from @BotFather bot_token = "YOUR_BOT_TOKEN_HERE" bot = Bot(token=bot_token) print("Fetching active menu commands...") # Retrieves a list of BotCommand objects commands = await bot.get_my_commands() if not commands: print("No menu commands found. The menu is empty.") else: print(f"Found {len(commands)} command(s):") for cmd in commands: print(f"/{cmd.command} - {cmd.description}") if __name__ == "__main__": asyncio.run(check_bot_menu()) |
봇 토큰으로 채팅내 메뉴 비우기
| import asyncio from telegram import Bot async def remove_bot_menu(): # Replace with your actual Bot Token from @BotFather bot_token = "YOUR_BOT_TOKEN_HERE" bot = Bot(token=bot_token) print("Removing all menu commands...") # Passing no arguments clears the commands globally await bot.delete_my_commands() print("Success! All menu commands have been removed.") # Run the async function if __name__ == "__main__": asyncio.run(remove_bot_menu()) |
봇 토큰과 채팅id를 이용해서 즉각적으로 메뉴 변경하기.
set_my_commands 로는 대화창을 나가도 바뀌지 않아서, 특정 채팅 아이디 넣어서야 바뀌게 되었음
| import asyncio from telegram import Bot, BotCommand, BotCommandScopeChat async def force_update_user_menu(): # 1. 봇 토큰과 대상 유저의 Chat ID를 입력하세요. BOT_TOKEN = "YOUR_BOT_TOKEN_HERE" USER_CHAT_ID = 123456789 # 숫자로 된 유저의 chat_id 입력 bot = Bot(token=BOT_TOKEN) # 2. 변경하고 싶은 새로운 메뉴 목록을 정의합니다. new_commands = [ BotCommand(command="home", description="🏠 홈 화면으로"), BotCommand(command="mypage", description="👤 내 정보 보기"), BotCommand(command="support", description="❓ 고객 센터") ] print(f"User({USER_CHAT_ID})의 메뉴를 즉시 변경합니다...") # 3. scope를 'BotCommandScopeChat'으로 지정하여 특정 chat_id에 즉시 강제 적용 await bot.set_my_commands( commands=new_commands, scope=BotCommandScopeChat(chat_id=USER_CHAT_ID) ) print("성공! 해당 유저의 텔레그램 앱 화면에서 메뉴가 즉시 업데이트되었습니다.") if __name__ == "__main__": asyncio.run(force_update_user_menu()) |
요건 아직 테스트 안해봄
| from telegram import Update, BotCommand, BotCommandScopeChat from telegram.ext import Application, CommandHandler, ContextTypes # 봇 토큰 설정 BOT_TOKEN = "YOUR_BOT_TOKEN_HERE" # 1. /start 명령어가 들어왔을 때 실행될 함수 (여기서 메뉴를 즉시 변경) async def start_command(update: Update, context: ContextTypes.DEFAULT_TYPE): chat_id = update.effective_chat.id # 해당 유저의 화면에 보일 새로운 메뉴 정의 new_menu = [ BotCommand(command="home", description="🏠 홈 화면으로"), BotCommand(command="mypage", description="👤 내 정보 보기") ] # 유저 화면의 메뉴 버튼 즉시 업데이트 await context.bot.set_my_commands( commands=new_menu, scope=BotCommandScopeChat(chat_id=chat_id) ) await update.message.reply_text( "반갑습니다! 메뉴 버튼이 업데이트되었습니다.\n" "좌측 하단의 [Menu] 버튼을 누르거나 명령어를 입력해보세요!" ) # 2. 메뉴 버튼의 /home 처리를 위한 핸들러 함수 async def home_command(update: Update, context: ContextTypes.DEFAULT_TYPE): await update.message.reply_text("🏠 홈 화면으로 이동했습니다.") # 3. 메뉴 버튼의 /mypage 처리를 위한 핸들러 함수 async def mypage_command(update: Update, context: ContextTypes.DEFAULT_TYPE): user = update.effective_user await update.message.reply_text(f"👤 [{user.first_name}] 님의 마이페이지입니다.") def main(): # 애플리케이션 빌드 application = Application.builder().token(BOT_TOKEN).build() # ⭐ [핵심] 메뉴에 추가한 명령어들과 핸들러 함수를 1:1로 매핑해줍니다. application.add_handler(CommandHandler("start", start_command)) application.add_handler(CommandHandler("home", home_command)) # /home 처리 application.add_handler(CommandHandler("mypage", mypage_command)) # /mypage 처리 # 봇 시작 (폴링 방식) print("봇이 시작되었습니다. 대화를 시작하세요...") application.run_polling() if __name__ == "__main__": main() |
| safetensors to gguf 일단 실패 (0) | 2026.06.01 |
|---|---|
| antigravity 2 (0) | 2026.05.28 |
| python huggingface 저장경로 변경하기 (0) | 2026.05.24 |
| vllm 설치, 실행 실패 -> 사실상 포기 (0) | 2026.05.24 |
| antigravity gemini flash 할당량이 깃털 같구만? (0) | 2026.05.22 |
HF_HOME 환경 변수를 바꿔주면 된다고
리눅스에서는 기본값 ~/.cache/huggingface
| antigravity 2 (0) | 2026.05.28 |
|---|---|
| telegram bot api 로 기능 변경하기 (0) | 2026.05.25 |
| vllm 설치, 실행 실패 -> 사실상 포기 (0) | 2026.05.24 |
| antigravity gemini flash 할당량이 깃털 같구만? (0) | 2026.05.22 |
| openclaw agent 구성 관련 (0) | 2026.05.22 |
edge impulse 사이트 가입해봐야하나..
학습 시스템이랑 돌아가는 경량 모델을 찾아봐야겠다.
[링크 : https://www.youtube.com/watch?v=bZIKVaD3dRk]
EloquentEsp32cam 요런 아두이노 라이브러리를 쓴다는데
[링크 : https://github.com/eloquentarduino/EloquentEsp32cam]
fomo 가 모델명인가?
[링크 : https://docs.edgeimpulse.com/studio/projects/learning-blocks/blocks/object-detection/fomo]
| platform.io + vscode + esp32 (0) | 2026.02.18 |
|---|---|
| esp32 on arduino ide (0) | 2026.02.18 |
| esp component 와 idf.py create-project-from-example (0) | 2026.02.10 |
| idf.py help (0) | 2026.02.10 |
| idf 프로젝트 생성하기 (0) | 2026.02.08 |
|
