엔지니어 동행하기

TensorRT 란 학습된 Deep Learning 모델을 최적화하여 NVIDIA GPU 상에서의 Inference 속도를 수 배 ~ 수십 배 수십 배까지 향상하는 모델 최적화 엔진을 말합니다. 왜 TensorRT를 써야 하는지 그 장점과, 가속 기법을 이해함으로써 알 수 있습니다. 관련하여 NVIDIA Technical Blog의 포스팅을 더 알기 쉽게 정리해 설명드리겠습니다. TensorRT를 사용하지 않는 경우, Trained model을 바로 Inference에 사용하게 되는데, 학습된 모델에 대한 Optimization Step을 추가하여, Inference를 속도를 향상한다고 정리할 수 있습니다. TensorRT의 장점 3가지 1. 대부분의 Deep Learning Frameworks (Ten..

LiDAR를 통해 얻을 수 있는 데이터의 형태가 어떤 지 설명드리겠습니다. 즉, LiDAR에 전원을 인가하고 Data Port로 Data Packet 이 얻어집니다. 2022.06.06 - [Perception Engineering/LiDAR] - Velodyne LiDAR (Alpha Prime, VLS-128) FOV, frame rate Velodyne LiDAR (Alpha Prime, VLS-128) FOV, frame rate velodyne 사에서는 LiDAR와 함께 Datasheet, Manual, Web Interface, Veloview를 제공하고 있습니다. 관련하여 제가 연구를 하며 정리했던 내용을 공유합니다. 먼저 Datasheet의 용어들과 실질적인 의미들에 대해.. enginee..

개발 시간을 단축하기 위해서는 유용한 단축키들을 알아둬야 합니다. 단순히 기능들을 나열하는 것이 아니라, 가장 많이 쓰이고 실용적인 단축키를 추려보았습니다. 화면 분할 단축키 : 윈도우 키 + 방향키 해당 단축키를 통해 화면을 정확히 반으로 분할해서 터미널 창 또는 브라우저 창을 위치시킬 수 있습니다. 새로운 터미널(창) 생성 : Ctrl + Alt + T 새로운 터미널을 여는 방법에는 2가지가 있습니다. 첫 번째로 새로운 터미널 창을 여는 방법입니다. 새로운 터미널(탭) 생성 : Ctrl + Shift + T 두 번째로, 이미 열려있는 터미널 창 내부에, 새로운 터미널을 탭으로 여는 방법입니다. 터미널(탭) 간 이동 : Ctrl + PgUp/PgDn 여러 터미널을 켜 놓고, 각 터미널에서 명령어를 실행..

velodyne 사에서는 LiDAR와 함께 Datasheet, Manual, Web Interface, Veloview를 제공하고 있습니다. 관련하여 제가 연구를 하며 정리했던 내용을 공유합니다. 먼저 Datasheet의 용어들과 실질적인 의미들에 대해 알아야 합니다. VLS-128 Spec. VLS-128 datasheet(아래에 링크 첨부)에서 아래 사항들에 대해 하나씩 설명드리겠습니다. 1) Range 측정 거리가 스펙상에 245m라고 되어있는데, 이 값은 point가 얻어지는 최대 범위를 의미합니다. 따라서 실제로 245m 에서는 1, 2개 point만 얻어지는 굉장히 sparse 한 데이터가 얻어질 것입니다. 2) Return Modes : Strongest vs Last Signle Retur..

Smart Pointer는 RAII idiom 기법을 따르며, C++에서 메모리 관리를 위한 핵심 개념입니다. 그중 두 번째로 Shared ownership을 제공하는 std::shared_ptr에 대해 설명드리겠습니다. std::shared_ptr는 잘못 사용할 경우, Circular reference가 발생해 Memory leak이 생길 수 있어 주의가 필요합니다. 또한 std::shared_ptr를 Class의 member variable로 사용할 때, std::unique_ptr과 어떻게 다른지 분석하였습니다. Shared ownership 하나의 Object를 여러 개의 Pointer가 가리킬 수 있다. 그래서 RAII idiom을 따르기 위해 reference counter를 사용한다. 즉, ..

(해당 포스팅은 NVIDIA Technical BLOG를 참고하여 작성하였습니다. ) Jetson Platform에서 사용할 수 있는 CUDA-PointPillars 모델의 Pipeline를 설명드립니다. OpenPCDet Toolbox에서 제공하는 PointPillars 모델은 ONNX model로 export 할 수 없습니다. 또한 TensorRT에서 low performance를 갖는 small operation을 많이 갖고 있어 CUDA-PointPillars를 개발하였습니다. CUDA-PointPillars 의 Pipeline 다음의 4단계를 통해 Point Cloud에서 Object Detect을 수행한다. Base preprocessing 이 단계에서는 다음 3가지가 계산된다. 이 값들은 O..

DFS문제에서 어려울 수 있는 부분은 재귀함수의 동작 원리를 알아야만 문제를 풀 수 있다는 점 입니다. DFS 알고리즘에서 어떻게 재귀함수를 활용하는지를 중점으로 설명드리겠습니다. 기본구조 & 탐색과정 def dfs(v): //O(E) 백트래킹 관계없이 v 방문 시 수행할 코드 if visited[v] ==1: //백트래킹 조건 return visited[v] =1 //(깊이 탐색하기 전 v 에서 수행할 코드) if/for 추가적인 탐색 조건 //탐색 우선순위가 높은 경우 dfs(i) for i in graph[v]: //인접노드 탐색 dfs(i) //깊이 탐색한후 v에서 수행할 코드 기본이 되는 DFS 코드를 분석하면 3부분으로 나눌 수 있습니다. if문(백트래킹 조건) 방문한 노드에서 수행할 코드 f..

Smart Pointer는 RAII idiom 기법을 따르며, C++에서 메모리 관리를 위한 핵심 개념입니다. 그중 첫 번째로 Exclusive ownership을 보장하는 std::unique_ptr에 대해 다뤄보겠습니다. Exclusive Ownership (Heap memory 상의) 하나의 Object는 하나의 Pointer만 가리킬 수 있음을 의미합니다. #include #include struct D { D() { std::cout