본문 바로가기
반응형

분류 전체보기2746

filterpy.KalmanFilter로 레이더 신호 노이즈 제거 자동화하기 개요FilterPy는 파이썬으로 구현된 베이지안 필터 라이브러리로, 그중 KalmanFilter는 선형 칼만 필터를 편리하게 제공해 레이더·센서 신호의 잡음을 제거하고 상태 추정을 자동화하는 데 매우 유용합니다. 이 글에서는 KalmanFilter의 핵심 파라미터와 기본 문법, 간단한 예제와 실전 적용(레이더 거리/속도 추정)에 대해 설명합니다.기본 문법 / 주요 파라미터파라미터 / 속성설명dim_x상태 벡터 차원 (예: 위치, 속도로 2)dim_z관측(측정) 벡터 차원 (예: 레이더로 거리만 측정하면 1)x상태 추정 벡터 (numpy array)P상태 공분산 행렬 (불확실성)F상태 전이 행렬 (동적 모델)H관측 모델 행렬 (상태 → 측정으로 매핑)R측정 잡음 공분산 (센서 노이즈 레벨)Q프로세스(모션).. 2026. 4. 9.
speech_recognition.Microphone로 macOS 오프라인 핸드-투-톡 음성인식 자동화하기 개요이 글에서는 Python의 SpeechRecognition 라이브러리에서 제공하는 Microphone을 이용해 macOS 환경에서 오프라인(로컬) 음성인식—핸드-투-톡(hand-to-talk) 방식(누를 때만 듣고 해제하면 인식하는 방식)—을 자동화하는 방법을 정리합니다. macOS의 파이썬 설치/권한 이슈와 PyAudio 설치, 그리고 오프라인 엔진인 CMU Sphinx를 활용하는 실제 예제를 중심으로 설명합니다.기본 문법 / 주요 파라미터아래 표는 SpeechRecognition의 Microphone 클래스와 Recognizer.listen 등에서 자주 사용하는 주요 파라미터를 정리한 것입니다. 항목설명기본값 / 비고 Microphone(device_index)시스템 오디오 .. 2026. 4. 7.
lm_studio 헤드리스 CLI로 Gemma·Claude 로컬 LLM 실행 자동화하기 개요이 글은 LM Studio의 헤드리스(무 GUI) 실행 기능을 이용해 로컬에서 Gemma나 Claude 계열 모델(또는 LM Studio에서 지원하는 유사 LLM)을 자동으로 다운로드·실행하는 방법을 설명합니다. macOS에서 파이썬을 사용해 실행 스크립트를 만들고, LM Studio의 CLI 도구(lms)를 호출해 모델을 관리하는 실무 중심의 가이드를 제공합니다.기본 문법 / 주요 파라미터아래 표는 LM Studio의 로컬 실행/관리용 CLI(문서 및 앱 내 기능 기준)의 핵심 옵션을 정리한 것입니다. (LM Studio는 앱과 lms CLI를 제공하며, 모델 다운로드·실행·노출 등의 기능을 지원합니다.) 옵션설명예시 값 --model실행할 모델 식별자 또는 경로gemma-1-.. 2026. 4. 6.
torch.cuda.set_device로 GPU 세션 자동 전환하기 개요torch.cuda.set_device는 현재 파이썬 프로세스의 기본 CUDA 디바이스를 지정하는 함수입니다. 여러 GPU가 있는 환경에서 특정 GPU를 기본으로 설정해 텐서/모델 할당과 연산의 대상 디바이스를 일관되게 관리할 때 유용합니다. PyTorch Lightning 등 프레임워크도 내부에서 이를 호출해 세션(환경)을 올바른 GPU로 자동 전환합니다.기본 문법 / 주요 파라미터 함수/옵션설명예시 값 torch.cuda.set_device(device)프로세스의 기본 CUDA 디바이스를 설정합니다. 이후 디바이스 인자를 주지 않으면 기본 디바이스가 사용됩니다.0, 'cuda:1', torch.device('cuda:2') torch.cuda.current_device(.. 2026. 4. 5.
asyncio.TaskGroup으로 비동기 작업 안전하게 관리하기 개요asyncio.TaskGroup은 Python의 asyncio에서 여러 비동기 작업(태스크)을 구조적으로 묶어 안전하게 실행하고 예외를 관리하는 도구입니다. TaskGroup을 사용하면 하위 태스크들이 생성, 취소, 예외 발생 시 안전하게 정리되며, 예외가 여러 개 발생하면 ExceptionGroup으로 묶어 호출자에게 전달합니다.기본 문법 / 주요 파라미터 메서드 / 파라미터설명 asyncio.TaskGroup()비동기 컨텍스트 매니저로 사용. async with 구문과 함께 하위 태스크를 관리. TaskGroup.create_task(coro, *, name=None)하위 코루틴을 태스크로 생성하여 그룹에 등록. name은 태스크 이름(디버깅용, 선택적). Task.. 2026. 4. 4.
Lemonade로 GPU·NPU 가속 로컬 LLM 서버 자동화하기 개요\nLemonade는 로컬 환경에서 GPU뿐 아니라 NPU(예: HUAWEI Ascend)까지 활용해 고성능 LLM 추론 서버를 운영할 수 있게 해주는 오픈소스 프로젝트입니다. 클라우드 의존도를 낮추고 데이터 프라이버시를 유지하면서도, 로컬 하드웨어(AMD GPU, NPU 등)를 최대한 활용해 비용과 지연을 줄이는 것이 장점입니다.\n\n기본 문법 / 주요 파라미터\n\n \n \n 명령 / 파라미터\n 설명\n 예시 / 비고\n \n \n \n \n tools/dist_train.sh \n MM* 계열에서 다중 NPU/GPU를 사용해 분산 학습(또는 추론 파이프라인) 실행\n ./tools/dist_train.sh conf.. 2026. 4. 3.
반응형

티스토리툴바