분류 전체보기

LLM이 급격히 떠오르는 요즘, 프로젝트에서 활용하기 위해서는 보유하고 있는 GPU에 맞는 LLM 모델을 잘 선정하는 것이 중요하다. 여기서는 LLM 모델이 잡아먹는 메모리를 계산하는 방법을 간략하게 소개하고, 추가적으로 LLM 모델을 돌리기 위해 필요한 사양을 알려주는 사이트를 소개한다.들어가기에 앞서메모리 사용량 계산을 위해서는 LLM 모델 학습 시 소요되는 자원과, 추론 시 소요되는 자원에 대한 이해가 필요하다.모델 학습 시 고려해야 하는 사항은 다음과 같다.Weights (Model Parameters)OptimizerGradientActivations & Overhead 모델 추론 시 고려해야 하는 사항은 다음과 같다.Weights (Model Parameters)Total KV Cache Me..

회의록을 자동으로 작성해주는 프로젝트를 진행하는 과정에서, 음성 녹음 어플이 필요해 만들어보았다.음성 녹음 프로그램은 음성 녹음, 음소거, 녹음 중지 기능을 가지고 있고, 각각에 대해 짤막하게 다뤄본다. 디자인음성 녹음, 음소거, 녹음 중지 기능은 버튼을 만들어 각 버튼이 눌릴 때마다 호출되도록 설정했다. 음성 녹음녹음 버튼을 클릭하면 녹음이 진행중인지 우선 확인하고, 이후 기기에서 녹음 권한을 허용했는지 확인한다.두 과정에서 문제가 없다면, 음성 녹음 객체(AudioRecord)와 녹음 품질 개선을 위한 NoiseSuppressor를 생성한다. 이후 음성 녹음을 진행하며, 녹음데이터는 쓰레드를 활용해 하이브리드 방식으로 메모리 및 기기에 저장된다. * 하이브리드 방식이란 ?녹음 데이터를 메모리 버퍼 상..

가끔가다 도커 엔진이 Starting .. 에서 멈출 때가 있다. 보통 시스템을 다시 시작하거나 설정을 잘못 건드린경우 발생하는데, 터미널창에 다음과 같이 입력하면 된다.wsl --terminate docker-desktopwsl --terminate docker-desktop-data이후 도커 엔진을 다시 실행해보면 정상적으로 실행될 것이다.

안드로이드 어플리케이션을 개발할 일이 생겨, Kotlin을 사용해보기로 했다. 우선 jdk 파일을 설치해주자. brew install openjdksudo ln -sfn $(brew --prefix openjdk)/libexec/openjdk.jdk /Library/Java/JavaVirtualMachines/openjdk.jdk설치가 제대로 된 지 확인하려면, 다음과 같이 자바 버전을 출력해보면 된다.java --version다음으로는 kotlin을 설치해주어야 한다.brew install kotlinkotlinc -version사용을 위한 준비는 모두 끝났다.VSCode를 사용하는 경우, 다음과 같이 VSCode Extensions에서 추가 패키지들을 설치해주어야 한다.Code RunnerKotlin..

지난 시간에 만든 NER 모델의 경우, 학습 과정에서의 성능 평가 결과는 좋았으나, 실 사용 결과, 좋지 못한 성능을보였다. 해당 모델을 개선하기 위해, 데이터세트 구축부터 다시 시작해보려 한다. Step 1. 기존 데이터세트 문제점 분석 발견한 문제점 첫번째. 학습 데이터세트의 불균형기존 데이터세트의 경우 증권 종목이 포함되어 있는 텍스트로만 구성되어 있었다. 정확히는, 구축해둔 증권 종목 사전을 GPT에 전달 후, 각 종목들을 포함하고 있는 텍스트 쌍을 생성하도록 시켰다. 이 경우, 증권 종목이 포함되어 있지 않은 데이터와 여러 증권 종목이 들어간 텍스트는 얻을 수 없게 된다.이를 개선하기 위해, 인공지능 챗봇과 사용자의 대화 로그를 학습 데이터세트 구축에 활용하였다.  발견한 문제점 두번째. 증권 ..

사용자 쿼리에 대해, 증권 종목 관련 질문인지 아닌지 1차적으로 분류하고, 증권 종목 관련 쿼리인 경우 어떤 증권 종목인지를 추출하는 업무를 진행하게 되었다. 증권 종목을 인식하기 위해서는 NER 모델을 사용해야겠다고 판단했고, 이 중 Spacy 모델을 사용하여 엔티티 추출하는 과정을 정리해두려 한다.Step 1. 학습 데이터 생성증권 종목 학습 데이터를 만들기 위해서, 증권사 어플을 사용하여 대화한 로그 파일을 사용했다.해당 파일은 다음과 같이 구성되어 있다. 대화날짜Q/A텍스트User_id    이 중, 텍스트에 증권 종목이 포함된 경우, 해당 부분을 STOCK으로 레이블링 진행했다. * 다음 포스트에서 살펴보겠지만, 위와 같은 패턴으로만 구성한 데이터세트의 경우, 생각보다성능이 좋지 않게 나온다. ..

드라이브를 가던 어느날, 타이어가 터져버렸다. 차가 계속 덜덜 거리길래 처음에는 노면이 울퉁불퉁한 줄 알았으나,고속도로를 진입하고 나서도 똑같이 덜덜거리자 내 차의 문제인 것을 인지하고 보험사에 전화를 걸었다.보험사에 내 차의 위치를 알리기 위해 카카오맵과 네이버 지도 등을 켰지만, 통화 중에 바로 내 현재 위치를 정확히파악하는데 어려움을 겪었고, 보험사 직원분이 손쉽게 내 현재 위치를 확인하는 방법을 알려주셔 여기에 공유한다.  그것은 바로 카톡 ! 카톡 대화창에 들어가서 다음과 같이 좌측 하단에 보이는 + 버튼을 클릭하자.여러 버튼이 나오는데, 다음 페이지로 넘어가면 된다.그러면 지도 아이콘이 나온다. 지도를 클릭해주자. 클릭하면, 다음과 같이 현재 나의 위치를 정확히 알 수 있다 !

다음과 같은 구조에서는 src 폴더 내의 파일들을 바로 불러올 수 있다.  ''' train_encoder.py '''from src import encoder enc = encoder()하지만 다음과 같이 실행 파일이 src 폴더와 동일한 경로 상에 위치하는 경우, 앞의 코드는 src 폴더를 찾지 못한다.이를 해결하기 위해서는, 다음과 같이 해당 파일에 경로를 추가해주어야 한다.  import sys sys.path.append('{directory to src folder}') # example: sys.append('/cori/stock/src')경로를 추가해주고 난 후, PYTHONPATH에 import 하고자 하는 폴더의 경로를 추가해주자. export PYTHONPATH=$PYTHONPATH:..

원격 서버에 저장된 PostgreSQL 데이터베이스의 데이터를 로컬로 가져올 필요가 있어 방법을 정리한다. 원격 서버의 PostgreSQL DB 접속- 원격 서버 -원격 서버에서 PostgreSQL의 5432 포트가 외부에서 접근 가능하도록 방화벽 규칙을 설정해준다.sudo ufw allow 5432/tcpPostgreSQL 컨테이너를 실행하고, 해당 컨테이너로 진입하자.docker run -it --name postgres-container -p 5432:5432 [PostgreSQL Docker Image]docker exec -it postgres-container /bin/bash컨테이너 내부에서 PostgreSQL 설정 파일(postgresql.conf 및 pg_hba.conf)을 수정해주어야 ..

Docker Container & Images도커 이미지는 프로그램 실행을 위한 기본 환경을 담고 있는 파일이라 생각하면 된다. 도커 이미지 하나당, 하나의 프로젝트를 보통 담당한다고 볼 수 있으며, 도커 이미지를 바탕으로 컨테이너를 생성하여 실제 작업을 진행한다.docker images # 도커 이미지 목록 조회docker ps [-a] # 도커 컨테이너 목록 조회docker stop [container name] # 실행중인 도커 컨테이너 중지docker start [container name] # 중지된 도커 컨테이너 실행docker rm [-f] [container name] # 도커 컨테이너 삭제docker rmi [docker image name] # ..

인터넷 연결 확인ping 8.8.8.8     # 구글의 도메인과 소통한다. 정보 조회하기0. 시스템 정보 조회cat /etc/issue   # Ubuntu 버전 uname -a    # 시스템의 커널 정보와 운영 체제 정보 1. GPU 드라이버 조회 lspci | grep -i vga    2. 루트 권한 조회 whoami 3. 설치 패키지 목록 조회 dpkg -l | grep [package]  4. 패키지 위치 탐색 whereis [pacakge name]    # whereis docker which [package name]  5. 용량 조회df -h du -sh [파일 경로]   # 디렉토리별 용량 조회  사용자 & 사용자 그룹 관련 작업0. 전체 사용자 조회 cat /etc/passwd  1..

.py 파일을 통해 분류를 수행하는데, 인코더 모델의 경우 매번 .py 파일을 실행할 때마다 메모리에 로드되었고, 이로 인해 결과값을 받아보는데 생각보다 시간이 소요되었다. 이를 해결하기 위해 다음과 같은 방법들을 고려할 수 있는데, 여기서는 이 중 FastAPI를 이용해 예측을 수행하는 과정에 대해 다뤄보고자 한다. 1. Hugging Face 캐싱 확인2. 모델 캐시 파일 재사용3. 웹 프레임워크(Flask, FastAPI)를 사용해 모델을 서버 형태로 배포-  서버 형태로 배포할 경우 예측 요청이 들어올 때마다 이미 로드된 모델로 예측을 수행하게 할 수 있다.더보기Method 1. classifier = pipeline("sentiment-analysis", model="microsoft/deber..