VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
중고 의류 디테일컷 자동 생성을 위해 VLM 대신 Detector와 규칙 기반 크롭을 선택했습니다.\n그 결과 공정 시간을 90% 줄이고 11만 개 상품에 일괄 적용했습니다.
#LLM#AWS Lambda#Docker
8100
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
태그
PyTorch 기술 블로그 글
PyTorch 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
전체 19개최신 19개 표시
관련 태그
최신 게시글
19개 표시
HPC를 여행하는 히치하이커를 위한 안내서 Part 2.
Slurm의 내부 구조와 Job 처리 흐름을 중심으로 HPC 스케줄러 활용법을 정리했습니다. 대화형·배치·배열 작업과 QOS, Fairshare, 선점, 의존성 연결까지 실무 패턴을 설명했습니다.
#Slurm#HPC#cgroup
3100
처음 걸어가는 길, 함께 만든 성과 - 래블업x업스테이지, 독자 AI 파운데이션 모델 1차수 평가 통과 비하인드
업스테이지 컨소시엄이 정부 독자 AI 모델 1차수 평가를 통과한 과정을 소개했습니다. 래블업과의 협업으로 인프라를 최적화하고 학습 효율과 장애 대응을 크게 개선했습니다.
#LLM#ML#MLOps
4500
LINE DEV AI 리포터즈의 여정을 공유합니다!
LINE DEV AI 리포터즈가 조직 내 AI 활용 경험을 모아 공유하고 전파한 과정을 소개했습니다. 개인의 실험을 실무와 조직 문화로 확장한 사례를 정리했습니다.
#LLM#MCP#PyTorch
7100
처음 걸어가는 길, 함께 만든 성과 - 래블업x업스테이지, 독자 AI 파운데이션 모델 1차수 평가 통과 비하인드
업스테이지와 래블업이 독자 AI 파운데이션 모델 1차수 평가 통과 과정을 공유했습니다. 대규모 GPU 인프라 운영과 학습 최적화, 자동 복구 체계가 핵심이었습니다.
#LLM#PyTorch#MLOps
5000
Attention 메커니즘: 개념과 활용
Attention 메커니즘의 개념과 필요성을 설명하고, Q/K/V 기반 작동 흐름을 정리했습니다. 또한 PyTorch와 TensorFlow 예제로 실제 구현 방법을 보여주었습니다.
#Attention#Transformer#ML
8800
Qwen3 의 Hybrid thinking mode
Qwen3의 Hybrid Thinking mode를 소개하고, 추론 On/Off를 제어하는 두 가지 방식을 설명했습니다. `/think`·`/no_think`와 `enable_thinking`의 동작 차이도 정리했습니다.
#LLM#NLP#Huggingface
7100
PIP를 대체하는 UV 사용법 가이드
UV를 PIP 대체 도구로 소개하며 설치와 기본 사용법, 주요 명령어를 정리했습니다. 가상환경 자동화와 빠른 성능, 의존성 및 Python 버전 관리 기능을 함께 설명했습니다.
#Python#uv#FastAPI
7500
CUDA OOM 해결 사례 공유 - PyTorch all_gather_object 의 비밀
데이터셋 로딩 중 발생한 CUDA OOM의 원인을 `all_gather_object` 내부 동작에서 찾았습니다. 데이터를 chunk로 나눠 gather하도록 바꿔 GPU 메모리 사용량을 줄였습니다.
#CUDA#PyTorch#all_gather_object
3400
안드로이드에서 온디바이스 AI로 스팸 분류하기
안드로이드에서 DistilKoBERT 기반 스팸 분류 모델을 온디바이스 AI로 구현한 과정을 정리했습니다.\nTFLite 변환과 양자화로 모델 크기와 추론 속도를 개선하고 단말 벤치마크 결과도 확인했습니다.
#Android#NLP#PyTorch
8400
생각하는 AI? 추론 모델 빠르게 구현해 보기 (ft. S1)
S1의 Test-Time Scaling과 Budget Forcing으로 추론 모델을 구현하는 과정을 소개했습니다. 적은 데이터와 반복 자기검증만으로도 사고 성능을 끌어올리는 방법을 살펴보았습니다.
#LLM#ML#PyTorch
5800
PyTorch 2.x Torch Compile로 딥러닝 성능 올려보기
PyTorch 2.x의 핵심 기능인 Torch Compile을 소개하는 글입니다. 딥러닝 성능을 높이는 관점에서 PyTorch 2.0의 변화 포인트를 다뤘습니다.
#PyTorch#ML
700
로봇 ML 모델의 경량화 2부: 양자화 인식 훈련
PTQ의 성능 저하 한계를 보완하기 위한 QAT 개념과 원리를 설명했습니다.\nNVIDIA pytorch-quantization으로 QAT를 수행하고 ONNX/TensorRT로 변환하는 절차를 소개했습니다.
#ML#양자화#QAT
2200
AI 명함촬영인식 ‘리오(RIO)’ 적용기 2부 — ML Model Converter와 안드로이드 앱 적용기
리오(RIO) 명함 촬영 인식을 모바일 기기에서 동작시키기 위해 모델 변환과 안드로이드 적용 과정을 정리했습니다. PyTorch를 TF Lite로 옮기고, JNI와 OpenCV로 후처리를 구성한 실험 내용을 공유했습니다.
#ML#Android#TensorFlow Lite
2700
고등학생도 이해하는 Transformer (Deep Learning) #5
벡터 내적과 Linear Layer를 MNIST 분류 예제로 풀어 설명했습니다. 학습이 진행되며 가중치가 숫자 이미지와 닮아가는 과정을 통해 원리를 이해하도록 돕습니다.
#Transformer#ML#MNIST
1600
From One to Ten: YOLO 시리즈 변천사
YOLO 시리즈의 버전별 변화와 핵심 개선점을 정리한 글입니다. 실시간 객체 탐지의 속도·정확도 균형과 생태계 변화를 함께 살펴보았습니다.
#ML#객체 탐지#Python
1100
왓챠 추천 서비스 MLOps 적용기 Part2
왓챠는 추천 서비스의 Monolithic 추론 구조를 분리된 TorchServe 기반 서버로 개선했습니다. CPU 최적화와 모델 경량화, Datadog 모니터링으로 성능과 안정성을 함께 높였습니다.
#MLOps#TorchServe#PyTorch
1200
고객에게 뚜렷한 경험을: 컬리의 후기 이미지 처리 기술
컬리의 후기 이미지 흐림 판별 개선 과정을 정리했습니다. 딥러닝 실험의 한계를 확인한 뒤 라플라시안 필터와 표준편차 기반 방식으로 정확도를 높였습니다.
#ML#CNN#Python
3600
2020 인공지능 온라인 경진대회 참가기
과학기술정보통신부 주최 인공지능 경진대회 참가기를 소개했습니다. 메트릭러닝과 간단한 보강 전략으로 얼굴 인식 과제 1위를 기록했습니다.
#ML#얼굴인식#PyTorch
100
2020 인공지능 온라인 경진대회 참가기