this.code();

🏢 ETRI (2024.01.19)

📌 01.18-TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.2.1
3.2.2
3.2.3
3.2.4
3.2.5
3.2.6
3.2.7
3.2.8
3.2.9

3.3. Periodic Variables3.4. The Exponential Family3.5. Nonparametric Methods
3.5.1
3.5.2
3.5.3


3. 표본분포

4. 통계

5. 통계적 추론

🚍 출근! (8:00 - 8:30)

버스가 역시 젤 편하긴 한데 확실히 답답하고 덥고...
머리아프다

 
 
 
 

📖 공부! (9:00-12:00)

∙ Deep Learning(Bishop 2024): Chapter 3 이다.
3.1. Discrete Variables
3.2. The Multivariate Gaussian:
3.2.1
3.2.2
3.2.3
3.2.4
3.2.5
3.2.6
3.2.7
3.2.8
3.2.9
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods
3.5.1
3.5.2
3.5.3


 
아...할거 드~~~릅게 많다 진짜ㅋㅋ😱
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식): 유린기? 뭐 그런게 나왔다.
후식으로는 내돈내산 녹차프라푸치노 (내 최애다ㅎㅎ)
 

 

 
 
 
 

 
 

💻 코드 작동시켜보기! (13:30-18:00)

아 슈밤...진짜 안되는거 천지...
 
 
 
 
 
 
 
 
 
 
 

 

 
 
 
 
 

 
 

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ

🏋🏻 운동! (19:00 -)

이제 3대 운동보단 좀 더 세분화해서 A,B루틴 안하는 날에는 가슴,삼두, 등,이두, 어께 위주로 해봐야겠다.
아 그리고 데드나 스쿼트의 경우에는 조금 텀을 둬야겠다...
격일마다 무겁게만 하다보니 오히려 퍼포먼스가 안나오는 느낌?
그래서 스쿼트와 데드의 경우에는 일주일에 1~2번정도만 본세트무게로❗️
나머지는 평소드는 무게의 8~90%정도의 중량만 들어야겠당
 
 

🏋🏻 운동 월간 계획:

A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→
(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→
B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→
(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→
 

🏋🏻 이번주:

(데드+등,이두)→A→(인클라인∙디클라인벤치, 삼두)→B→(데드+등,이두)→A→(벤치,삼두)
 

🏋🏻 오늘:  데드+등,이두

📌 TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian

3.2.1

3.2.2

3.2.3

3.2.4

3.2.5

3.2.6

3.2.7

3.2.8

3.2.9
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

3.5.1

3.5.2

3.5.3

3. 표본분포

4. 통계

5. 통계적 추론

🏢 ETRI (2024.01.18)

📌 01.17-TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods


3. 표본분포

4. 통계

5. 통계적 추론

🚍 출근! (8:00 - 8:30)

버스가 역시 젤 편하긴 한데 확실히 답답하고 덥고...

머리아프다

 
 
 
 

📖 공부! (9:00-12:00)

∙ Deep Learning(Bishop 2024): Chapter 3 이다.
3.1. Discrete Variables
3.2. The Multivariate Gaussian:

3.2.1

3.2.2

3.2.3

3.2.4

3.2.5

3.2.6

3.2.7

3.2.8

3.2.9
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

3.5.1

3.5.2

3.5.3

 
아...할거 드~~~릅게 많다 진짜ㅋㅋ😱
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식): 제육과

후식으로는 교수님께서 사주신 녹차프라푸치노 (내 최애다ㅎㅎ)

💻 코드 작동시켜보기! (13:30-18:00)

아 슈밤...진짜 안되는거 천지...

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ

🏋🏻 운동! (19:00 -)

이제 3대 운동보단 좀 더 세분화해서 A,B루틴 안하는 날에는 가슴,삼두, 등,이두, 어께 위주로 해봐야겠다.
 
 

🏋🏻 운동 월간 계획:

A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→
(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→
B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→
(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→
 

🏋🏻 이번주:

(데드+등,이두)→A→(인클라인∙디클라인벤치, 삼두)→B→(데드+등,이두)→A→(벤치,삼두)
 

🏋🏻 오늘:  B루틴

📌 TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian

3.2.1

3.2.2

3.2.3

3.2.4

3.2.5

3.2.6

3.2.7

3.2.8

3.2.9
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

3.5.1

3.5.2

3.5.3

3. 표본분포

4. 통계

5. 통계적 추론

🏢 ETRI (2024.01.17)

📌 01.16-TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods


3. 표본분포

4. 통계

5. 통계적 추론

🚲 출근! (8:30 - 9:00)

알람 못듣고 일어났다ㅋㅋㅋ 8시에...
그래도 타슈타고 정시도착!

30분정도 걸렸당

 
 
 
 

📖 공부! (9:00-12:00)

∙ Deep Learning(Bishop 2024): Chapter 3 이다.
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

 
아...할거 드~~~릅게 많다 진짜ㅋㅋ😱
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식): 닭강정과 스파게뤼~

후식으로는 교수님께서 사주신 무려 4000원의 애플망고요거트 스무디~

인턴끝나기전에 모든 음료종류는 다먹어봐야징ㅎㅎ

💻 코드 작동시켜보기! (13:30-18:00)

아 슈밤...진짜 안되는거 천지...

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ

🏋🏻 운동! (19:00 -)

이제 3대 운동보단 좀 더 세분화해서 A,B루틴 안하는 날에는 가슴,삼두, 등,이두, 어께 위주로 해봐야겠다.
 
 

🏋🏻 운동 월간 계획:

A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→
(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→
B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→
(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→
 

🏋🏻 이번주:

(데드+등,이두)→A→(인클라인∙디클라인벤치, 삼두)→B→(데드+등,이두)→A→(벤치,삼두)
 

🏋🏻 오늘:  인클라인∙디클라인벤치, 삼두

📌 TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods


3. 표본분포

4. 통계

5. 통계적 추론

🏢 ETRI (2024.01.16)

📌 01.15-TODO List:

1. 논문저자에게 메일보내기!

2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods


3. 표본분포

4. 통계

5. 통계적 추론

🚍 출근! (8:10 - 8:25)

그냥 7시 25분에 알람 맞춰버렸다 ㅋㅋㅋ
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)
아 그리고 어제부터 새로운 루틴 추가하니 확실히 오늘 더 피곤하다 ㄹㅇ...
 

 
 
 
 

📖 공부! (8:30-12:00)

셔틀버스 타고 오는게 일찍공부할 수 있어서 이득인거 같다.
이제 남은 할일:
∙ 논문 review:
     논문 정리
     논문 review
     PPT만들기

∙ Deep Learning(Bishop 2024): Chapter 3 이다.
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods
 
아 그리고 너무 뒷골 땡기고 목아프고 머리아파서
짜잔- 옛날에 다이소에서 산 목 마사지 기구를 들고왔는데 겨우 살만했다.
그래도 나름 효과가 준수하다?
 
아...할거 드~~~릅게 많다 진짜ㅋㅋ😱
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식): 오늘은 개꿀맛! 불향 불고기라니!!

거기다가 카페에서 교수님께서 Java 프라푸치노도 사주셨당 히히
 
 

 
 
 
 

 
 

💻 서버 뚝딱뚝딱! (13:30-18:00)

서버 cuda랑 cuDNN 깔고 python깔고 pip랑 pip3 링킹하고 Pytorch까지 깔아줌으로써 마무리!
 
1. Server 구축 및 IP주소 ssh로 접속 이후 cuda 깔기. (runfile(local) 설치)

sudo apt install nvidia-cuda-toolkit

sudo sh cuda_11.8.0_520.61.05_linux.run

 
다만 기존 nvidia driver가 존재 시, 위 코드에 대해 아래 사진처럼오류발생가능...

이러면 아래 코드를 실행해주자.

sudo apt-get purge nvidia*
sudo apt-get autoremove
sudo apt-get autoclean
nvidia-smi

 
 
2. cuDNN 깔기
cf) NVIDIA 회원가입이 필요.(Local Installer for Linux x86_64(Tar) 다운받으면 된다.)

$ nvcc --version

# 압축 풀기, 압축을 풀면 archive로 끝나는 폴더가 생성된다.
$ tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz 

# 아래부터는 파일을 cuda에 복사하기
sudo cp include/cudnn* /usr/local/cuda-11.0/include
sudo cp lib64/libcudnn* /usr/local/cuda-11.0/lib64/
sudo chmod a+r /usr/local/cuda-11.0/lib64/libcudnn*

# cuDNN 설치확인:
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

cf) python, pip 깔고 pip3, python3를 pip, python으로 연결

sudo apt-get install python3-pip

nano ~/.bashrc

 
맨 마지막 줄에 아래 코드 추가

alias python=python3
alias pip='pip3'
source ~/.bashrc

sudo apt-get install unzip

pip install transformers torch torchvision pytorch-lightning wandb numpy pandas pillow opencv-python matplotlib

pip install -U ultralytics

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ

🏋🏻 운동! (19:00 -)

이제 3대 운동보단 좀 더 세분화해서 A,B루틴 안하는 날에는 가슴,삼두, 등,이두, 어께 위주로 해봐야겠다.
 
 

🏋🏻 운동 월간 계획:

A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→
(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→
B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→
(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→
 

🏋🏻 이번주:

(데드+등,이두)→A→(인클라인,디클라인벤치, 삼두)→B→(데드+등,이두)→A→(벤치,삼두)
 

🏋🏻 오늘: A루틴

📌 TODO List:

1. DAOD적용




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

3. Student t분포 및 가설검정 다시 공부하기.

🏢 ETRI (2024.01.15)

📌 01.12-TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ 논문 정리
∙ 논문 review
∙ PPT만들기


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites
AAAI에 넣을 내용으로 정리 및 Exercise 풀기

3. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

🚍 출근! (8:10 - 8:25)

그냥 7시에 알람 맞춰버렸다 ㅋㅋㅋ
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)
 
 

 
 
 
 

📖 공부! (8:30-12:00)

셔틀버스 타고 오는게 일찍공부할 수 있어서 이득인거 같다.
이제 남은 할일:
∙ 논문 review:
     논문 정리
     논문 review
     PPT만들기

∙ Deep Learning(Bishop 2024): Chapter 3 이다.
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods
 
아 그리고 너무 뒷골 땡기고 목아프고 머리아파서
짜잔- 옛날에 다이소에서 산 목 마사지 기구를 들고왔는데 겨우 살만했다.
그래도 나름 효과가 준수하다?
 
아...할거 드~~~릅게 많다 진짜ㅋㅋ😱
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식):개노맛...
 
 

 
 
 
 

 
 

📖 논문발표! (14:30-18:00)

많이 배우긴 배웠는데 그만큼 힘든시간...
그래프하나하나, 식 하나하나 저자의 의도파악 및 비판적사고? 코드구현가능성 이런걸 잘 봐야한다는걸 깨달았다
 

 
 

 

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ


 
 
 
 

🏋🏻 운동! (19:00 -)

어제 3대 400 (S:150 , B: 92.5, D:157.5) 깔쌈하게 찍어서 그런지 기분이 좋구만!!😤

400 찍었으니? 이제 3대 운동보단 좀 더 세분화해서 A,B루틴 안하는 날에는 가슴,삼두, 등,이두, 어께 위주로 해봐야겠다.
 
 

🏋🏻 운동 월간 계획:

A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→
(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→
B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→
(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→
 

🏋🏻 이번주:

(데드+등,이두)→A→(벤치,삼두)→B→(데드+등,이두)→A→(벤치,삼두)
 

🏋🏻 오늘: (데드+등,이두)

데드: 80,90,100  (7,5,3)
바벨로우: 40,50,60  (10,10,10)
와이드바벨컬: 30씩 5세트
클로즈바벨컬: 25씩 5세트

데드: 120 1회
 

 
 

📌 TODO List:

1. 논문저자에게 메일보내기!




2. 주중에 할 것: Deep Learning 2024(Bishop)
- Chapter 2: Exercise 풀기.

- Chapter 3 읽고 공부하기
3.1. Discrete Variables
3.2. The Multivariate Gaussian
3.3. Periodic Variables
3.4. The Exponential Family
3.5. Nonparametric Methods

3. Student t분포 및 가설검정 다시 공부하기.

🏢 ETRI (2024.01.12)

📌 01.11-TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ 논문 정리
∙ 논문 review
∙ PPT만들기


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites
∙ Exercises

🚍 출근! (8:10 - 8:25)

그냥 7시에 알람 맞춰버렸다 ㅋㅋㅋ
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)
 

📖 공부! (8:30-12:00)

셔틀버스 타고 오는게 일찍공부할 수 있어서 이득인거 같다.
이제 남은 할일:
∙ 논문 review:

     논문 정리
     논문 review
     PPT만들기
∙ Deep Learning(Bishop 2024): Chapter 2 이다.

    2.1  The Rule of Probability

∙ 2.2  Probability Densities
 이제...단원 2개 남았다...

문제(Exercise)도 풀어야되고 정리 및 요약도 해야되지만...
 

아 그리고 너무 뒷골 땡기고 목아프고 머리아파서

짜잔- 옛날에 다이소에서 산 목 마사지 기구를 들고왔는데 겨우 살만했다.

그래도 나름 효과가 준수하다?

아...할거 드~~~릅게 많다 진짜ㅋㅋ😱
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식): 난 이제 돼~~지다 🐷ㅋㅋㅋㅋ 많이도 먹는다 진짜ㅋㅋ

레몬치킨(🍋🍗) 나왔는데 맛있었다! (2번 배식받아버렸...다 ㅋㅋㅋㅋ)
 

식후에 블루베리↗️스무디↗️ 덜달게 한잔 묵었다

3500원으로 아담한? 가격(사실 요즘 카페나 학교카페도 4000원 넘어가서 되게 착한 가격같았다.)

📖 공부! (13:30-18:00)

Deep Learning by Christopher Bishop 2024.

∙ 2.3  The Gaussian Distribution

∙ 2.6. Bayesian Probabilites

어, 맞아맞아. 놀랍지만 Chapter 2 다 끝낸건 사실이야~

어 그래 형이야~ 😤

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ


 
 
 
 

🏋🏻 운동!안할래 (19:00 -)

오늘은 5X5 Strength A루틴 하는날.
카페인 시원하게 마시고 바로 Squat→Bench Press→Barbell Row하러 갔다.

드디어 주말이 왔다.

그냥 좀 푹 자고 싶다. 알람 울리는거 세상에서 제일 싫다ㅠ.ㅠ

📌 TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ 논문 정리
∙ 논문 review
∙ PPT만들기


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites
AAAI에 넣을 내용으로 정리 및 Exercise 풀기

🏢 ETRI (2024.01.11)

📌 01.10-TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Source free Domain Adaptive Object Detection (정리는 완료, 톺아보기 필요❗️)
아 그리고 pseudo labeling in FN Simulation에서 Detection에서 TN얘기가 나왔다.
Detection에서는 TN이 안쓰인다고 알고있어서 이에 대해서도 좀 알아봐야한다.

∙ Experiments (2번째로 많음 - 목)


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory 
∙ 2.6. Bayesian Probabilites

🚍 출근! (8:10 - 8:25)

그냥 7시에 알람 맞춰버렸다 ㅋㅋㅋ
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)
 
 
 
 
 

📖 공부! (8:30-12:00)

셔틀버스 타고 오는게 일찍공부할 수 있어서 이득인거 같다.
이제 남은 할일:
∙ 논문 review: Experiments
∙ Deep Learning(Bishop 2024): Chapter 2 이다.
    2.5  Information Theory 
 
 
 
 
 
 
 
 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식): 데리야끼 닭 --> 덩어리 커서 좋았다.

 
 
 
 
 
 

 
 

📖 공부! (13:30-18:00)

논문 review 계속 진행. 오늘은 Experiments파트를 읽었다.
Experiments라 그런지 그냥 실험 방법내용들만 나와서 쉽게쉽게 읽은 것 같다.
역시 Main Idea부분 빼고는 나머지는 그렇게 머리쓸 일 없는 느낌이다.
 
Abstract -> 여기 내용은 무조건 숙지해야됨
Introduction -> Abstract 조금 구체화 + Main Idea preview
Main Idea: 힘 빡주고 읽어야함 ㄹㅇ...
etc.ㅋㅋㅋ

 
 

 

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ


 
 
 
 

🏋🏻 운동!안할래 (19:00 -)

오늘은 Benchpress랑 DeadLift만 깔쌈하게 안했다ㄲㅋㅋㅋㅋ
오늘 넘힘들어서 걍 포기!
 
 
 
 

 
 

📌 TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ 논문 정리
∙ 논문 review
∙ PPT만들기


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites

🏢 ETRI (2024.01.10)

📌 01.09-TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Related Works (내용 적음 - 수)
∙ Source free Domain Adaptive Object Detection (내용 짱많음 - 수)
∙ Experiments (2번째로 많음 - 목)


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites

🚍 출근! (8:10 - 8:25)

6시 알람이 지독하게도 날 깨웠던 과거였기에...

그냥 7시에 알람 맞춰버렸다 ㅋㅋㅋ
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)

어제 폭설❄️이 와서 그런지 버스가 생각보다 일찍? 왔고 생각보다 늦게 도착했다. 
 
 
 
 
 

📖 공부! (8:30-12:00)

셔틀버스 타고 오는게 일찍공부할 수 있어서 이득인거 같다.
이제 남은 할일은 논문 review와 Deep Learning: Chapter 2 이다.

먼저 Chapter 2.4먼저 다 읽었는데 생각보다 흥미로웠던 내용이었다.

변수에는 그에 맞는 Distribution이 있고,
한 변수에서 다른 변수로 비선형변환함수를 이용해 어떻게 변환을 어떻게 하는지, (합성함수방식)
이때, 변환은 각 변수의 mode가 서로 정확하게 맞지는 않는다는점.

---

이 단변량 분포를 다변량분포에 어떻게 적용할 것인가?
→ 분포에 절댓값을 씌운 det J를 곱해주는 방법.

J; Jacobian Matrix 역할: 공간의 일부를 확장하고 다른 부분을 압축하는 것
(= 해당 변수의 변화량이 다른 변수에 얼마나 영향을 주는지를 의미;
이를 모든 영역에 대해 고려하면 전체 공간이 어떻게 변화하는지 알 수 있음)

대충 요약하면 이런 뉘앙스다.

이번 DA의 핵심이 서로 다른 Distribution간의 적용에 대한 내용이고

책 내용에서도 나왔지만 Chapter 18. 즉, Image Generation Model에서

Normalizing flow라는 생성모델클래스를 다룰때 중요한 역할을 한다 적혀있었다는 점에서 

대단히 도움이 많이 되었던 내용이라 생각한다.

밥먹을 때 까지 1시간이나 남았기에 짧은 Related Works를 모두 다 읽었다.

Abstraction과 Introduction에서 조금씩 소개된 간단한 내용이었다.

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식)

불향🔥제육?이 나왔는데 사진 지금보니 진짜 많이도 담았다ㅋㅋㅋ

(살뺀다고 식이조절하고 있는데 이거땜시 바로 돼지🐷될듯ㅋㅋㅋ

아니 그리고 불향이라면서... 불향 왜 냄새만 남...??)

📖 공부! (13:30-18:00)

논문 review 계속 진행. 오늘은 Relative Works파트와 SFOD파트를 읽었다.

3장정도의 분량이라 보면 된다.

일단 요약하자면...

이게 진짜 필요한 설명 넣으면서 최대한으로 꾹꾹 풀압축펀치로 요약한거다ㅋㅋㅋ

아직 이해가 완벽하게 되지는 않았기 때문에 내일 Experiments를 다 읽은 후든, 읽기 전이든 한번은 다시 흐름을 되짚어 봐야겠다.
 
 

 

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ


 
 
 
 

🏋🏻 운동! (19:00 -)

오늘은 5X5 Strength B루틴 하는날.
카페인 시원하게 마시고 바로 Squat→Military Press→Dead Lift 하러 갔다.
 역시 Deadlift가 제일 맛깔난👅 운동이다. (근데 하고나면 진짜 세상세상 이렇게 피곤할 수가 없다ㅋㅋㅋ)
 

📌 TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Source free Domain Adaptive Object Detection (정리는 완료, 톺아보기 필요❗️)
아 그리고 pseudo labeling in FN Simulation에서 Detection에서 TN얘기가 나왔다.
Detection에서는 TN이 안쓰인다고 알고있어서 이에 대해서도 좀 알아봐야한다.

∙ Experiments (2번째로 많음 - 목)


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites

🏢 ETRI (2024.01.09)

📌 01.08-TODO List:

1. 논문 List마저 읽기
∙ Multi-Granularity Alignment Domain Adaptation for Object Detection (CVPR 2022)
∙ Cross-domain adaptive teacher for object detection (CVPR 2022)
∙ ConfMix: Unsupervised Domain Adaptation for Object Detection via Confidence-based Mixing (WACV 2023)
∙ Object detection based on semi-supervised domain adaptation for imbalanced domain resources (Machine Vision and Applications 31 2020)

2. Deep Learning 2024(Bishop): Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites

3. 주말에 공부할 것: WanDB사용법 제대로 알기!
i) WanDB란?
ii) Sweep알기❗️
iii) WanDB Visualization Method (feat. Confusion Matrix)

4. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Abstract
∙ Introduction (- 화)
∙ Related Works (내용 적음 - 수)
∙ Source free Domain Adaptive Object Detection (내용 짱많음 - 수)
∙ Experiments (2번째로 많음 - 목)
∙ Conclusion

🚍 출근! (8:10 - 8:20)

6시 알람이 지독하게도 날 깨워서 겨우겨우 셔틀버스 시간에 맞춰 일어났다...
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)
 
 
 
 
 

📖 공부! (8:30-12:00)

셔틀버스 운행하는 곳이 내 자취방 근처라는 것을 알고? 일찍와서 공부를 시작할 수 있었다.
지난주에 미리 정리한 논문 리스트에 대한 Abstract와 Conclusion에 대해 정리해 보았다.
(남은 논문 3편 정리완료. 8:30~10:10)
https://chan4im.tistory.com/220

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식)
닭갈비가 나왔는데 사진 지금보니 진짜 많이도 담았다ㅋㅋㅋ
(살뺀다고 식이조절하고 있는데 이거땜시 바로 돼지🐷될듯ㅋㅋㅋ)

📖 공부! (13:30-18:00)

WandB 정리를 모두 끝냈다.

 
주말에 딥러닝과 논문리뷰에 좀 더 집중해서 공부할 수 있을 것 같다 히히😜.

논문 초록,서론,결론파트는 다 읽었다
후후..
 
 

 

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ


 
 
 
 

🏋🏻 운동! (19:00 -)

벤치하고 집가는데 폭설이...
어우...
 
 

 
 
 

📌 TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Related Works (내용 적음 - 수)
∙ Source free Domain Adaptive Object Detection (내용 짱많음 - 수)
∙ Experiments (2번째로 많음 - 목)


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1
∙ 2.2
∙ 2.3
∙ 2.4
∙ 2.5
∙ 2.6

🏢 ETRI (2024.01.08)

📖 공부! (8:30-12:00)

셔틀버스 운행하는 곳이 내 자취방 근처라는 것을 알고? 일찍와서 공부를 시작할 수 있었다.
(근데 지난주 토요일에 진짜 배탈났었다ㅋㅋ..💦)
지난주에 미리 정리한 논문 리스트에 대한 Abstract와 Conclusion에 대해 정리해 보았다.
https://chan4im.tistory.com/220

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식)
깐풍기 나왔는데 요건 그냥 그랬다.
 
 
 
 
 
 

🏛️ 도서관? (13:00-13:30) 

되게 멋지게 되어있었고
아래 사진처럼 도서분류도 되게 심플하게 되어있어서 책 찾고 고르기도 상당히 쉬웠다!

📖 공부! (13:30-18:00)

지난주에 미리 정리한 논문 리스트에 대한 Abstract와 Conclusion에 대해 정리해 보았다.
이거 계속하고있고 내일도 계속할거같다ㅋㅋㅋ
 
오늘 한 총량은 9개❗️+ 1(집에와서 고려거란전쟁 보고ㅋㅋ 한편 더 진행했다.)
혹시나 적게한게 아닐까 걱정했는데 교수님께서 잘했다고 북돋아주셨다.
추가적으로 논문리뷰할 논문 선택하라고 하셔서 제일 어렵고 복잡한 논문을 골랐다.
바로 이 논문이다:

A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data (AAAI 2021)

솔직히 쉬운거 고르고 싶었지만 뭔가 이건좀;; 싶어서...ㅎㅎ
그리고 좀 어려운 논문같아 보여서 아직 시작도 안했지만 웬지모르게 걱정도 된다...
https://chan4im.tistory.com/220
 
 

 

🚍 퇴근! (18:30 - 19:00)

스쿼트 하는날은 자전거 절대 타면 안된다. 
힘 아껴서 가야지.
자전거 타고나서 하체에 힘빠지면 진짜 죽을수도 있겠다는 생각이 들기때문에💦
바로 셔틀버스타고 집으로 슝하고 날라갔다.
출퇴근은 셔틀버스가 제일 빠른거 같다. (Shortest Path Algorithm?)

 

🏋🏻 운동! (19:00 -)

오늘은 5X5 Strength A루틴 하는날.
카페인 시원하게 마시고 바로 Squat→Bench Press→barbell row 하러 갔다.
 
 

 
 
 

📌 TODO List:

1. 논문 List마저 읽기
∙ Multi-Granularity Alignment Domain Adaptation for Object Detection (CVPR 2022)
∙ Cross-domain adaptive teacher for object detection (CVPR 2022)
∙ ConfMix: Unsupervised Domain Adaptation for Object Detection via Confidence-based Mixing (WACV 2023)
∙ Object detection based on semi-supervised domain adaptation for imbalanced domain resources (Machine Vision and Applications 31 2020)


2. Deep Learning 2024(Bishop): Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites


3. 논문 review:
A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data