일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |
- CUDA
- C++
- PathPlanning
- self driving car
- Motion Planning
- 선형대수
- path planning
- Leetcode
- CPP
- 강화학습
- GNN
- Hybrid A star
- 백준
- OSQP
- 공유라이브러리
- Frenet Coordinate
- C
- MDP
- Recursion
- 정적라이브러리
- Dubins Path
- Graph Neural Network
- autonomous vehicle
- GIT
- 소프티어
- 경로생성
- 동적라이브러리
- 수치최적화
- DynamicProgramming
- solver
- Today
- Total
목록개념공부/기타 (25)
Swimmer
Solution Build (솔루션 빌드) : 프로젝트 단위로 소스코드 및 헤더 파일을 컴파일 및 링크한다. 이전 빌드 파일이 있다면, 변경된 코드 및 헤더 파일에 대해서만 빌드를 진행한다. 이전 빌드 내역이 있는 경우, 불필요한 작업을 줄이고 빠른 빌드를 수행할 수 있다. Solution Rebuild (솔루션 다시 빌드) : 프로젝트 단위로 소스코드 및 헤더 파일을 컴파일 및 링크한다. 이전 빌드 내역에 관계없이 전체 프로젝트를 다시 빌드한다. 빌드는 프로젝트 단위 및 순서로 진행된다. 예를 들어 프로젝트 A, B로 구성된 솔루션의 경우 프로젝트 A를 솔루션 정리 및 솔루션 빌드 후에 프로젝트 B를 솔루션 정리 및 빌드한다. 이때 프로젝트 A가 V에 대한 디펜던시가 있고, 프로젝트 B에 수정내역이 있..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cDxjIu/btseKctoy45/Gmqz6UMLX9URIlKvc19hhK/img.png)
레퍼런스 : https://www.youtube.com/watch?v=ODSJsviD_SU&t=10562s Tesla AI Day 2022 테슬라 2022 AI Day 프레젠테이션 중 FSD - Planning 내용 정리 정리 이유 테슬라 FSD의 Planning 아키텍처 벤치마킹 하기 위함 테슬라는 차량 OEM 중 최고 수준의 자율주행 기술을 양산 판매하고 있음 복잡한 도로 상황이 연속될 때 자연스러운 Planning의 대응 및 전환 가능한 아키텍처를 벤치마킹 하기 위함 0. Planning 아키텍처 입력 신호 FSD (Full Self Driving) 아키텍처 내 Planning 모듈은 Neural Network로부터 Lanes, Occupancy, Moving Objects 신호를 입력받는다. 1...
HDAT-DA 시험을 준비하며 데이터 분석 과정 정리 시험에서 자주 출제되는 데이터 분석과정은 예측 모델 생성 데이터 분석 과정 라이브러리 임포트 pandas, numpy, os, random : seed 고정 함수 추가하기 matplot, sns .. warning 출력 안하도록 세팅 데이터 불러오기 기초 통계 분석 및 EDA 목적 : 데이터 특성 파악 데이터 목록 확인 : print(train.columns) 데이터 통계치 확인 : train.describe() 예측 타겟 값의 분포 확인 : train.['Column'].value_counts() 데이터 결측치 확인 : temp = train.isna().sum(), temp[temp > 0] 결측 데이터는 삭제하거나 평균 값으로 채워줄 수 있다. ..
참조 : https://pytorch.org/docs/stable/generated/torch.nn.Linear.html Fully Connected Layer 구성 시 기본적으로 선택하는 식 중 하나 입력 데이터 x에 대해 Linear Transformation (선형 변환)을 계산한다. $$ y = xA^{T}+b $$ class Torch.nn.Linear (in_features, out_features, bias=True, device=None, dtype=None) Parameters: in_features (int) : input sample의 size out_features (int) : output sample의 size bias (bool) : (b term), Default : True..