Linux Wine은 어떻게 linux에서 windows app을 실행하나? 지난 포스트 에서 windows 와 linux의 차이를 알았다. 그렇다면, Wine 은 그 간극을 매꾸기 위해 어떻게 구현 하였는지 알아보자. 시작하기 전에 잡지식 얘기하자면, WINE은 Wine Is Not Emulator의 약자이다. (그런데 내 생각에는 emulator가
Linux 프로그램 실행 관점에서 본 windows 와 linux의 차이 본 포스트는 프로그램의 실행 관점에서 어떻게 windows 와 linux가 다른지에 대해 얘기하고자 한다. 그리고, 다음 포스트에서 그 차이를 어떻게 맞출 수 있는지에 대해 설명하고자 한다. Ubuntu와 같은 Linux 배포판을 처음으로 사용하게 되면, 너무도
Linux 개발자(?) 3년 생활 돌아보기 필자는 2017.2 ~ 2019.3 까지 3년동안 Tmax 에서 개발자(사내에서는 연구원이라고 칭한다.) 생활을 하였다. 본 포스트는 3년간의 생활에 대한 소회이다. 일기 형식이니 그냥 읽고 싶은 사람만 읽어라. 기술적인 내용은 차차 하나하나 포스트하고자
Linux 첫 Linux 기여 Linux git 에 내 이름이 올라갔다! 하하 보통 말하는 contribute 을 한 것은 아니고, 그냥 bug report 이다. Linux git 에는 그래도 bug 가 해결되는 commit 이 올라가면 reporter 도 올려주더라. (Linux git
Linux Debian Packaging & Policy 본 포스트는 debian packaging과 policy(정책) 일부 대한 기본적인 지식을 소개하도록 함. Introduction Debian project 는 쉽게 말해 free OS 중 일종이고, 대표적인 예로 Ubutnu 가 debian 계열의 linux 배포판 중 하나이다. 개인적으로
c++ C++ 효율 향상 시키기 (feat. 임시 객체) 본 포스트는 More Effective C++ item 19 ~ 22 를 참고하여 작성함. 임시 객체의 origin을 이해하자 임시 객체 (Temporaries) ? template<class T> void swap(T& object1, T& object2) { T temp
Deep Learning Normalization layer What is Batch Normalization? Instance Normalization? Conditional Batch Normalization? Conditional Instance Normalization? Batch Normalization is first introduced by Sergey Ioffe, Christian Szegedy. It increased image classification performance significantly. arxiv Interested in "Conditional
Computer Vision Google HackFair 돌아보기 - MetaMong 2015년 석사 입학 후 연말쯤에 소소하게 했던 프로젝트. 예전 인터뷰했던게 생각나서 공유. 인터뷰 link 0. Google HackFair는 구글 기술을 이용해서 만든 다양한 결과물들을 전시하고 공유하는 행사입니다. 지난 12월 5일, 프로젝트 참가자분들은 안드로이드, Cardboard,
Computer Vision ComboGAN : Image Translation with GAN (7) arixv: ComboGAN: Unrestrained Scalability for Image Domain Translation accpeted to ICLR2018 workshop reddit github Scalibility issue for multi domains CycleGAN : Two-domain models taking days to train on current hardware, the number of domains
Computer Vision StarGAN : Image Translation with GAN (6) StarGAN : accepted as CVPR2018 oral presentation. github arxiv (a) Each domain shift needs generators. (b) Share one generator and use latent code of each domain The previous limitation of pix2pix, DTN, CycleGAN &
Computer Vision BicycleGAN : Image Translation with GAN (5) Limitations of pix2pix, DTN, DiscoGAN & CycleGAN? They produce single answer. They are deterministic models. Translates an image in one-to-one Paired set, One-to-One : pix2pix (CVPR2017) Unpaired set, One-to-One : DTN (ICLR2017), CycleGAN (ICCV2017) Paired
ghost Ghost : changing font, 폰트 바꾸기 In short; Assuming you have Ghost v1.0.0 (or above) with default theme, Casper. Default font is Georgia. We will change font with Google Web fonts. cd {your-ghost-dir}/content/themes/casper # move
ghost Ghost 1.0.0 로 업그레이드 + 밀린 포스트들 1 귀찮아서 업그레이드를 미루고 있었는데, 거대 업데이트를 한참 전에 했길래 간만에 업그레이드했다. 간만에 블로그 만지작 거리는게 재밌었는데 이내 업그레이드는 커다란 귀찮음을 가져다주었다. 결론적으로 서버의 리눅스가 Ubuntu 16.04가 아니면 자잘한 에러가 많다. 이번
Computer Vision CycleGAN : Image Translation with GAN (4) Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (CycleGAN) from UC Berkeley (pix2pix upgrade) & Learning to Discover Cross-Domain Relations with Generative Adversarial Networks (DiscoGAN) from SK T-Brain DiscoGAN & CycleGAN Almost Identical concept.
Computer Vision DTN : Image Translation with GAN (3) 2. Unsupervised Cross-Domain Image Generation (DTN) published to ICLR2017 by Yaniv Taigman, Adam Polyak, Lior Wolf Learn $ G: S \rightarrow T $ of two related domains, $ S $ and $ T $ without labels! (labels of images
Computer Vision pix2pix : Image Translation with GAN (2) Image-to-Image Translation with Conditional Adversarial Networks (pix2pix) published to CVPR2017 by Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros Learn pair-wise images of $S$ and $T$ like below BW & Color image
Computer Vision Image Translation with GAN (1) Problem statement of Image Translation Learn $G: (S \rightarrow T)$ $G$ that convert an image of source domain $S$ to an image of target domain $T$ Domain Adaptation/Transfer of an image. Paired
Linux Command Line Interface dotfiles and materials available at @junhocho[1] GUI보다 좋은 CUI, CUI. Command Line Interface를 쓰시면 어디서든 쉽게, 인터넷만 있고, Terminal이나 Putty가 있으면 개발을 할 수 있다. 이런 팀뷰어 없이도 말이다. CLI. 그래서 어떻게?
Linux Pseudo Terminal (유사? 터미널) 본 포스트는 APUE chap.19 을 참고하여 작성함. Pseudo Terminal은 application 이 보기에는 터미널로 보이지만, 사실 진짜 터미널이 아닌 것이다. Pseudo Terminal의 구조, 예시, 사용법에 대해 설명하도록 함. Pseudo Terminal 개요 Pseudo terminal
Uniscribe vs Pango 기본적인 과정 Itemize (item 분리) Shape (item 별 glyph 추출) Place (?) Render 1. Itemize a. Uniscribe HRESULT ScriptItemize( _In_ const WCHAR *pwcInChars, _In_ int cInChars, _In_ int cMaxItems, _In_opt_ const SCRIPT_CONTROL
Linux 데몬 프로세스 (daemon process) 본 포스트는 APUE chap.13 을 참고하여 작성함. 데몬은 오래사는 프로세스를 말하고, 보통은 시스템이 부팅될 때 같이 켜지고 종료될 때 같이 끝남. Controlling 터미널이 없어서 background에서 돈다라고 표현한다. 데몬의 구조, 작성법, 오류 로깅에
Deep Learning PaletteNet Junho Cho, Sangdoo Yun, Kyoungmu Lee and Jin Young Choi, PaletteNet: Image Recolorization with Given Color Palette The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, NITRE2017, July, 2017. poster better
home automation Home Automation memo 중요! 샤오미 멀티탭 특가 예산 조명 필립스 휴 2 + 브릿지 = 90 샤오미 스탠드 = 28.1 ( 37.5 - 5.9 () - 3.5 (PAYCO) ) (Qoo10. 그전에 G9가 39로 젤쌌음) 샤오미 전구 RGBW 26
font Uniscribe Uniscribe는 복잡한 언어를 처리하고, 글씨를 아주 잘 (high degree of control) 조절할 수 있는 API 모음이다. Layout Text with Uniscribe ( MSDN page의 내용을 번역. ) 아래의 순서대로 uniscribe call들을 사용하면 layout 이 가능하다. 문단은
Deep Learning TensorFlow-v1.0.0 + Keras 설치 (Windows/Linux/macOS) 참고 :https://groups.google.com/forum/#!topic/keras-users/_hXfBOjXow8 선요약: # export PATH=~/anaconda/bin:$PATH # MAC conda create -n tf python=3.5 # 17/3/1 기준으로 윈도우에서 3.5 버전만 TensorFlow/Keras가
