'분류 전체보기' 카테고리의 글 목록 (12 Page)

'분류 전체보기'에 해당되는 글 138건

2008.02.08 day 27
2008.02.04 day 26
2008.02.03 시간측정 클래스
2008.02.03 day19~25
2008.01.28 day 9 ~ 18 1
2008.01.28 SVD와 압축
2008.01.24 vim 7.0
2008.01.22 pthread 예제
2008.01.22 DbgPrint() 2
2008.01.20 리눅스 파티션나누기 작업

2008. 2. 8. 15:25

day 27 netflix prize/일지2008. 2. 8. 15:25

netflix prize research day 26

오늘 한일은 다음과같다

NonNegativeQuadraticOpt알고리즘의 코딩을 완료하였다.

이를 위해서

매트릭스와 벡터의 K-nearest원소를 채워넣는 루틴완성
알고리즘에 필요한 자잘한 매트릭스 연산 함수들 완성.

TODO

각 유져와 무비 페어에 대해.
• N(i;u)를 구한다. 즉 u가 rating했던 아이템중 i와 비슷한 아이템 20개를 선정한다.(20이 안되는 경우는 assert걸어둔다.)
• 20 * 20 매트릭스 A, 20 * 1 벡터 b를 작성하고, 알고리즘을 이용하여 w를 구한다. (->여기서 문제가 발생하고 있다. length가 점점 커지다가 조건에 걸려서 종료되어야 하는데, length는 갈수록 작아져만 간다...) => K값을 줄인후 알고리즘을 하나하나 추적하여 뭐가 잘못된지 발견해내자.
• 레이팅을 채운다..

- 통계프로그램을 구했으니 슬슬 자료 분석도 시작해 봐야지

문제해결법에 대한 IDEA

*. 영화제목으로부터 연관관계를 끌어낼 수 있을까(시리즈물, 어두운 분위기, 공포

등)
- WWE
- soldier
- Dark
- dragon ball
- national geographic
- 영화제목에 위의 단어가 들어있다면. 이용자가 시리즈물을 보고 평가한 결고를 반영할 수 있다.
- (user base + item base)
- 자주 검색되는 단어를 이용해도 된다.

*. 시간적으로 '최근' 취향이 비슷할 수록 가중치가 높아진다.
- user간에 얼마나 '많은' 영화의 평점이 얼마나 '많이'같은지, 그 각각의 영화가 얼마나 시기적으로 '가까운'지에
대하여 유사도를 계산한다..

=> 뭐 이딴것들은 다 논문에 나와있더라.. user-based approach와 item-based approach는 이미 다 나와있고... 상대적으로 item-based approach가 더 좋은 속도와 결과를 내지만,
나중에 데이터 짬뽕시키는게 적중률을 향상시키기에 시도는 했다 하더라.

Posted by Kwang-sung Jun

2008. 2. 4. 21:46

day 26 netflix prize/일지2008. 2. 4. 21:46

netflix prize research day 26

오늘 한일은 다음과같다

N(i; u)를 구했다. 즉, u가 rating했던 아이템중 i와 비슷한 아이템 20개를 선정한다.(20이 안되는 경우는 assert걸어둔다.)

이를 위해서 오늘

recommender.cpp작성
similarity_loader 모듈작성
matrix_loader 모듈작성
userdata_loader 모듈작성

TODO

각 유져와 무비 페어에 대해.
• N(i;u)를 구한다. 즉 u가 rating했던 아이템중 i와 비슷한 아이템 20개를 선정한다.(20이 안되는 경우는 assert걸어둔다.)
• 20 * 20 매트릭스 A, 20 * 1 벡터 b를 작성하고, 알고리즘을 이용하여 w를 구한다.
• 레이팅을 채운다..

- 통계프로그램을 구했으니 슬슬 자료 분석도 시작해 봐야지

문제해결법에 대한 IDEA

*. 영화제목으로부터 연관관계를 끌어낼 수 있을까(시리즈물, 어두운 분위기, 공포 등)
- WWE
- soldier
- Dark
- dragon ball
- national geographic
- 영화제목에 위의 단어가 들어있다면. 이용자가 시리즈물을 보고 평가한 결고를 반영할 수 있다.
- (user base + item base)
- 자주 검색되는 단어를 이용해도 된다.

*. 시간적으로 '최근' 취향이 비슷할 수록 가중치가 높아진다.
- user간에 얼마나 '많은' 영화의 평점이 얼마나 '많이'같은지, 그 각각의 영화가 얼마나 시기적으로 '가까운'지에
대하여 유사도를 계산한다..

=> 뭐 이딴것들은 다 논문에 나와있더라.. user-based approach와 item-based approach는 이미 다 나와있고... 상대적으로 item-based approach가 더 좋은 속도와 결과를 내지만,
나중에 데이터 짬뽕시키는게 적중률을 향상시키기에 시도는 했다 하더라.

Posted by Kwang-sung Jun

2008. 2. 3. 22:10

시간측정 클래스 삽질예방/시간측정 클래스2008. 2. 3. 22:10

TimeStamp.h

#ifndef _TIME_STAMP_H_
#define _TIME_STAMP_H_

#include <sys/timeb.h>
#include <assert.h>
#include <stdio.h>

class TimeStamp {
private:
    static const int TIME_STRING_SIZE = 20;
    struct timeb timeData;
    char timeString[TIME_STRING_SIZE];

public:
    TimeStamp() {return;}
    ~TimeStamp() {return;}

    void stamp(void) { ftime(&timeData); return; }
    void subtract(TimeStamp& before);

    int getSecond(void) { return timeData.time;}
    int getMicroSecond(void) { return timeData.millitm; }
    const char* toString(void);
};

#endif

TimeStamp.cpp

#include "TimeStamp.h"

// 2008.02.25 수정본
void TimeStamp::subtract(TimeStamp& before)
{
    if (timeData.millitm >= before.timeData.millitm) {
        timeData.time -= before.timeData.time;
        timeData.millitm -= before.timeData.millitm;
    }   
    else {
        timeData.time = timeData.time - 1 - before.timeData.time;
        timeData.millitm = timeData.millitm + 1000 - before.timeData.millitm;
    }

    return;

}

const char* TimeStamp::toString(void)
{
    snprintf(timeString, TIME_STRING_SIZE, "%d.%03u", (unsigned)timeData.time, 
            (unsigned)timeData.millitm);
    return timeString;
}

// 2008.02.17 추가분
// 2008.02.25 수정본
const char* TimeStamp::diffWithNow(void)
{
    ftime(&curTimeData);

    if (curTimeData.millitm >= timeData.millitm) {
        curTimeData.time -= timeData.time;
        curTimeData.millitm -= timeData.millitm;
    }
    else {
        curTimeData.time = curTimeData.time - 1 - timeData.time;
        curTimeData.millitm = curTimeData.millitm + 1000 - timeData.millitm;
    }

    snprintf(timeString, TIME_STRING_SIZE, "%d.%03u",
             (unsigned)curTimeData.time,
             (unsigned)curTimeData.millitm);
    return timeString;

}

사용법

    TimeStamp a, b;

    a.stamp();
    DoSomething();
    b.stamp();

    b.subtract(a);
    printf("%s\n", b.toString());

출력

23.123

그냥 최소한의 필요한 기능만 만들어놨습니다. 알고리즘 작성하다 보니 시간측정해서 비교할 일이 생기더라구요. 정확히 시간재는일 밖에는 할줄 모릅니다.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ2008.02.17 추가분 ㅡㅡㅡㅡㅡㅡㅡ
사용법

// another usage(same behavior)
TimeStamp a;
a.stamp();
printf("(%s sec)\n", a.diffWithNow());

좀더 간편하게..

자세히 보면 알겠지만... 이전에는 milli세컨드에서 오버플로우가 발생하는 경우가 있도록 했었는데 수정하였다.(2008.02.25)

Posted by Kwang-sung Jun

2008. 2. 3. 21:51

day19~25 netflix prize/일지2008. 2. 3. 21:51

netflix prize research day 19 ~ 25
일본여행을 1월29일부터 2월 1일까지 3박 4일로 다녀오는 바람에 제대로 한게 아무것도 없다.

다만 이전에 계산해 두었던 매트릭스 A^ 를 읽어보니 nan이 무척이나 많아서 당황..

시간측정모듈 작성(클래스..)
nan(Not A Number)버그 수정.(0으로 나누게 되는 경우가 있던것이 그 원인이다.)
알고리즘 정상적으로 수행하여 A^를 계산해냄

처음 시작할 때는 똑같이 논문을 보고 쓴건데 논문 저자는 계산을 15분 내로 해낸다고 했다. 무척 열받았었는데, 이제는 나도 7분내로 끝낸다 T_T.
처음에는 120시간정도는 돌려야 끝이나는 알고리즘을 짰던 것이 생각난다...우웩.

TODO

- 통계프로그램을 구했으니 슬슬 자료 분석도 시작해 봐야지

문제해결법에 대한 IDEA

*. user들을 군집화시킨 후 알고리즘을 적용한다.(합리적...)

*. 영화제목으로부터 연관관계를 끌어낼 수 있을까(시리즈물, 어두운 분위기, 공포 등)
- WWE
- soldier
- Dark
- dragon ball
- national geographic
- 영화제목에 위의 단어가 들어있다면. 이용자가 시리즈물을 보고 평가한 결고를 반영할 수 있다.
- (user base + item base)
- 자주 검색되는 단어를 이용해도 된다.

*. 시간적으로 '최근' 취향이 비슷할 수록 가중치가 높아진다.
- user간에 얼마나 '많은' 영화의 평점이 얼마나 '많이'같은지, 그 각각의 영화가 얼마나 시기적으로 '가까운'지에
대하여 유사도를 계산한다..

=> 뭐 이딴것들은 다 논문에 나와있더라.. user-based approach와 item-based approach는 이미 다 나와있고... 상대적으로 item-based approach가 더 좋은 속도와 결과를 내지만,
나중에 데이터 짬뽕시키는게 적중률을 향상시키기에 시도는 했다 하더라.

Posted by Kwang-sung Jun

2008. 1. 28. 00:48

day 9 ~ 18 netflix prize/일지2008. 1. 28. 00:48

netflix prize research day 9 ~ 20
한동안 게을러서 또는 방황해서 잠시 일지를 멈추었었다.
그래.. 001에 물난리나는바람에 아예 쓰지도 못하고 ㅠㅜ.. 또 심적으로도 뭔가에 산만하게 정신이 퍼져있어서
집중 못한거 같기도 하고...
문제는 이번주는 일본에 가느라 아예 공부를 못할듯 ... 쉣.
삼성 SDS에서 압박을 주는건 오히려 감사하다고 해야하나...ㅎㅎ

그래도 짬이 날때마다 코딩을 하여 ... 한일은 바로.다음과 같다.

* mysql포기
* 영화ID로 인덱싱된 binary자료생성
* 사용자ID로 인덱싱된 binary자료 생성
* 이들을 통해 영화간의 유사도 배열 생성(약 7분가량 걸리는 계산)
* 배열 A를 생성하는 코드만 완성(아직 수행은 안했음..)
* 크나큰 삽질
- 파일 입출력이 얼마나 느린 작업인지 깨닫는데 걸린 시간
- 메모리내에 효율적으로 자료를 pack시켜서 배열로 저장시켜 캐쉬의 효과를 최대한 누리게 하는 것이
얼마나 중요한지를 새삼 깨닫게 한일...( 무슨 링크드리스트로 해볼려다가 120시간 돌려야 결과가 나오는
코드를 작성한건 솔직히 적기도 쪽팔린다.)

TODO
- mssql에 모든 데이터를 쑤셔 넣어 버리자!
- 통계프로그램을 구했으니 슬슬 자료 분석도 시작해 봐야지
- 2007년 1등한사람의 PDF를 종종 읽으며 연관기술을 습득하자.
- STL사용법을 삽질기에 적어놓도록 하자.

주먹구구식이라도 알고리즘 적용하여 한번 풀어보기
베이지안 네트워크 적용하여 풀기. (통계프로그램의 분석을 통한 확률을 알고 있어야 한다.)

- 가장 시급한 것은 알고리즘을 개선하는 것이다. 현재 한시간동안 영화를 대략 500개정도

군집화(그룹화)가능하다.
collaborative filtering에 대한 wikipedia자료 정리하기.

문제해결법에 대한 IDEA

*. user들을 군집화시킨 후 알고리즘을 적용한다.(합리적...)

*. 영화제목으로부터 연관관계를 끌어낼 수 있을까(시리즈물, 어두운 분위기, 공포 등)
- WWE
- soldier
- Dark
- dragon ball
- national geographic
- 영화제목에 위의 단어가 들어있다면. 이용자가 시리즈물을 보고 평가한 결고를 반영할 수 있다.
- (user base + item base)
- 자주 검색되는 단어를 이용해도 된다.

*. 시간적으로 '최근' 취향이 비슷할 수록 가중치가 높아진다.
- user간에 얼마나 '많은' 영화의 평점이 얼마나 '많이'같은지, 그 각각의 영화가 얼마나 시기적으로 '가까운'지에
대하여 유사도를 계산한다..

=> 뭐 이딴것들은 다 논문에 나와있더라.. user-based approach와 item-based approach는 이미 다 나와있고... 상대적으로 item-based approach가 더 좋은 속도와 결과를 내지만,
나중에 데이터 짬뽕시키는게 적중률을 향상시키기에 시도는 했다 하더라.

Posted by Kwang-sung Jun

2008. 1. 28. 00:29

SVD와 압축 삽질예방/SVD2008. 1. 28. 00:29

출처 : http://markov.tistory.com/30
좋은 정보 감사합니다.

ㅡㅡㅡㅡㅡㅡㅡ

이번 글에서 다룰 내용은, m*n 행렬 X를 k*n 행렬 Z로 손실 압축(lossy compression)하는 방법입니다(k < n < m).

이렇게 크기가 줄어든 행렬 Z는, 목적에 따라 그 자체로 써먹을 수도 있지만 대부분은 원래의 m*n 행렬로 복원(decompression)한 다음에 사용하게 됩니다. 압축이 X에서 Z로의 변환이라면, 복원은 Z에서 X로의 역변환이 되겠죠. 역변환된 m*n 행렬을 ${\small \hat{\mathbf{X}}}$ 이라고 합시다. 이는 손실 압축된 Z로부터 복원한 것이므로, 원래의 X와는 약간 다를 것입니다. 즉, "정보의 괴리"가 발생합니다.

우리의 목적은, 압축률을 k*n으로 고정하였을 때, 원래의 X와 복원된 ${\small \hat{\mathbf{X}}}$ 간의 차이를 최소화 하는 압축 및 복원 알고리즘을 찾는 것입니다. 이것을 식으로 쓰면 아래와 같은 형태가 되겠죠.

(1) $\min_{\hat{\mathbf{X}}} ||\mathbf{X} - \hat{\mathbf{X}}||$

Z는 k*n으로 압축된 행렬이고 k < n이므로, Z의 rank는 최대 k입니다. 따라서 Z로부터 복원된 행렬 ${\small \hat{\mathbf{X}}}$ 의 rank 또한 최대 k가 됩니다. 반면, 원래의 행렬 X의 rank는 n으로, k보다 큽니다. 즉, 식 (1)은 X와의 오차가 가장 작은 rank k짜리 행렬을 찾는 문제가 되며, 이를 rank-k approximation 이라고 합니다.

이때 식 (1)의 norm이 2 norm이나 Frobenius norm이라면, 오차가 가장 작은 rank-k 행렬은 X를 ${\small \mathbf{X} = \mathbf{USV^T}}$ 로 SVD한 것에서 [singular value가 가장 큰 순서대로 k개를 뽑아 구성한 행렬]이 됩니다(주1). 이를 식으로 나타내면 아래와 같습니다.

(2) $\begin{array}{ccccc} \hat{\mathbf{X}} & = & \mathbf{U}_k & \mathbf{S}_k & \mathbf{V}_k^T\\ _{(m\times n)} & & _{(m\times k)} & _{(k\times k)} & _{(k\times n)} \end{array}$
$= \Big[\mathbf{u}_1|\cdots|\mathbf{u}_k\Big]\bigg[\begin{array}{ccc} s_1 & &\\ & \ddots &\\ & & s_k\end{array}\bigg]\left[\begin{array}{c} \mathbf{v}_1^T\\ \hline\\ \vdots\\ \hline\\ \mathbf{v}_k^T\end{array}\right]$

주석 보기

식 (2)에서 ${\small \mathbf{U}_k}$ 는 [U의 첫 번째부터 k번째까지의 열벡터들]만으로 이루어진 행렬을 의미하며( ${\small \mathbf{V}_k}$ 도 마찬가지 의미), ${\small \mathbf{S}_k}$ 는 [S의 첫 번째부터 k번째까지의 대각선 원소값들]로 이루어진 대각행렬을 나타냅니다. 각 행렬의 밑에 해당 행렬의 크기를 괄호로 표시하였습니다.

자, 이것으로 우리는, "압축 후 복원된 행렬은 식 (2)와 같아야 한다"라는 사실을 알았습니다. 그러면 이제 남은 것은, "X를 어떻게 압축했다가 복원하면 식 (2)와 같은 행렬을 얻을 수 있는지?"를 유도해내는 일이 되겠죠!

압축과 복원은, 간단히 행렬의 곱으로 구현할 수 있습니다. 예를 들어 m*n 행렬 X를 k*n 행렬 Z로 압축한다고 하면, 아래와 같이 k*m짜리 행렬 W를 X 앞에 곱해주는 것입니다. 이때 W가 바로 압축 변환이 됩니다.

(3) $\mathbf{Z} = \mathbf{WX}$

이번엔 Z를 ${\small \hat{\mathbf{X}}}$ 으로 복원해 보겠습니다. Z는 k*n이고 ${\small \hat{\mathbf{X}}}$ 은 m*n이니, 복원 변환은 m*k짜리 행렬이 되며(이를 Y라고 합시다) 이것을 아래와 같이 Z 앞에 곱해주면 됩니다.

(4) $\hat{\mathbf{X}} = \mathbf{YZ} = \mathbf{YWX}$

이제 압축 변환 행렬 W와 복원 변환 행렬 Y가 각각 무엇인가를 구해야 합니다만, 그러기 전에 여기서 한 가지 짚고 넘어갈 점이 있습니다. 복원된 행렬을 재압축할 때의 문제인데요... jpg 파일을 편집해보신 분들은 많이 느끼셨을 점인데, jpg 포맷은 복원된 이미지를 재압축하면 정보의 추가 손실이 발생하지요. 마찬가지로 음원 압축에서 널리 쓰이는 mp3 포맷도 그렇고요. 이거 꽤 불편하고 나쁘지 않습니까? 이 글에서 다룰 알고리즘은 ${\small \hat{\mathbf{X}}}$ 을 재압축하였을 때 추가적인 정보 손실이나 변환 없이 다시 Z로 돌아올 수 있도록 해 봅시다.

식 (4)에서 ${\small \hat{\mathbf{X}} = \mathbf{YWX}}$ 라고 했으니, 이걸 다시 압축하려면 W를 곱하면 되겠군요. 즉, WYWX = Z, 또는 WYWX = WX가 되어야 합니다(식 (3)에 의해 Z = WX이므로).
따라서, ${\small \mathbf{WY} = \mathbf{I}}$ 가 되어야 합니다. 이는 다시 말하면,

(5) $\mathbf{Y} = \mathbf{W}^T$ 이고 $\mathbf{WW^T} = \mathbf{I}$

이어야 한다는 얘기가 됩니다. 직교행렬(orthogonal matrix)과 비슷한 조건인데, ${\small \mathbf{W^TW} = \mathbf{I}}$ 는 성립하지 않는다는 것이

다릅니다(주2).

주석 보기

따라서 식 (4)의 우변은 ${\small \mathbf{W^TWX}}$ 가 되는데, 이때 X를 ${\small \mathbf{X} = \mathbf{USV^T}}$ 로 SVD하면 더 쪼개지죠.
또한, [식 (4) = 식 (2) = ${\small \hat{\mathbf{X}}}$ ]이므로, 아래와 같이 식 (6)을 얻을 수 있으며

(6) $\mathbf{W^TWUSV^T} = \mathbf{U}_k\mathbf{S}_k\mathbf{V}_k^T$

이를 풀면 최종적으로 식 (7)과 같이 답을 얻을 수 있습니다(주3). 식 (7)에서 Q는 크기가 k*k인 임의의 직교행렬을 의미합니다.

(7) $\mathbf{W = QU}_k^T$

주석 보기

즉, U 앞에 곱해지는 행렬이 직교행렬이라면, 무엇을 곱하든 최적의(= 정보 손실을 최소화 하는) 압축 변환 행렬 W를 얻을 수 있습니다. ambiguity가 있다는 거죠. 하지만 Q가 달라짐으로 해서 나타나는 변화는, 기껏해야 W가 span하는 공간의 좌표계가 회전(rotation)하거나 좌표축의 순서가 바뀌는(permutation) 정도 뿐입니다. 만약 우리 목적이 X로부터 추상화된 의미를 뽑아내는 것이라면 Q를 설정하는 것이 중요한 문제가 되겠지만, 목적이 압축일 때는 Q를 어떻게 잡든 전혀 영향을 주지 않습니다. 따라서 식 (7)의 Q에 단위행렬을 대입하여(단위행렬도 직교행렬이죠) 아래와 같은 결과를 얻을 수 있습니다.

(8) $\mathbf{W} = \mathbf{U}_k^T$

결론적으로, 압축률이 [1 - k/m]일 때(즉, m*n 행렬을 k*n으로 압축), 복원된 행렬의 정보 손실을 최소화 하는 압축 및 복원 알고리즘은 아래와 같습니다.

준비 과정: X를 아래와 같이 singular value decomposition하여 U를 얻는다.
$\mathbf{X} = \mathbf{USV}^T$
압축
$\mathbf{Z} = \mathbf{U}_k^T\mathbf{X}$
복원
$\hat{\mathbf{X}} = \mathbf{U}_k\mathbf{Z}$

자... 이렇게 해서 알고리즘이 나왔네요. 식이 참 간단해 보이는데, complexity는 얼마나 되는 걸까요?
위의 알고리즘에서 가장 시간이 오래 걸리는 부분은, 아이러니하게도 '준비 과정' 부분입니다. 통상적인 알고리즘을 쓰게 되면, m*n 행렬(m > n) X를 SVD 하는 데에 ${\small \mathcal{O}(m^2 n)}$ 이 걸립니다.

하지만 우리가 원하는 건 모든 singular vector가 아니죠. singular value가 가장 큰 순서대로 k개의 벡터만 있으면 되니까요. 이럴 때는 time complexity를 꽤 많이 줄일 수 있습니다. 널리 쓰이는 방법으로는 Lanczos algorithm이 있는데, 이건 ${\small \mathcal{O}(mnk^2)}$ 이 걸립니다. 통상적인 알고리즘에 비해 훨씬 쓸만하죠!
뿐만 아니라, 이 분야는 정말 끊임없이 알고리즘이 나오는 분야여서, 보다 효율적인 알고리즘들도 하나하나 찾을 수 없을 정도로 많죠. (구글링을 해보니 첫 페이지부터 ${\small \mathcal{O}(mnk)}$ 짜리 알고리즘이 나오는군요;;)

마지막으로 구현에 대해 말씀드리고 글을 마치겠습니다. 압축과 복원 부분이야 그냥 행렬 곱셈이니까 구현이 어렵지 않고, SVD는 지원하는 공개 라이브러리들이 많으니 언어에 맞게 골라 사용하시면 됩니다.

C/C++: LAPACK이 널리 쓰입니다(Redhat Linux, Windows). 또한, 단순히 SVD를 위해 쓰기는 다소 무겁지만 OpenCV도 아주 좋은 라이브러리입니다(이건 .NET도 지원합니다). OpenCV는 Visual Studio를 위해 프로젝트 파일(.sln, .proj)을 제공하며, 컴파일하려면 약간의 설정이 필요합니다.
Java: JAMA라는 라이브러리가 있습니다. 구현은 통상적인 알고리즘을 쓴 것 같습니다만, 설치/사용법이 아주 간편하고, 꼭 필요한 몇 개의 decomposition 방법들만 구현되어 있어 가볍습니다.
Ruby: linalg라는, LAPACK을 wrapping한 라이브러리를 추천합니다. JAMA와 마찬가지로 설치/사용법이 아주 간편합니다.

Posted by Kwang-sung Jun

2008. 1. 24. 15:07

vim 7.0 삽질예방/vim2008. 1. 24. 15:07

http://pelican7.egloos.com/1419616

http://happyoutlet.net/entry/vim-%EC%B4%88-%EA%B0%84%EB%8B%A8-%EB%A7%A4%EB%89%B4%EC%96%BC

#
*

: 현재 커서 밑에 있는 단어를 서치한다.

ctrl + O
tab

: 커서 위치 이동, 앞으로 가기, 뒤로가기.. (가끔씩 원하지 않게도 엉뚱한곳으로 점프되었을때 사용한다.)

] + i
] + I

-> 현재 파일 내에서 함수가 어디서 정의되었으며 어디서 호출되었는지를 보여준다.

Posted by Kwang-sung Jun

2008. 1. 22. 16:34

pthread 예제 삽질예방/pthread2008. 1. 22. 16:34



#include <STDIO.H>
#include <PTHREAD.H>
#include <SEMAPHORE.H>

void* PrintHelp(void* nothing);
void* PrintHelp2(void* nothing);

sem_t sem;

int main(void)
{
    pthread_t th1, th2;
    void* arg;

    sem_init(&sem, 0, 0); 

    pthread_create(&th1, NULL, PrintHelp, arg);
    pthread_create(&th2, NULL, PrintHelp2, arg);

    pthread_join(th2, NULL);
    pthread_join(th1, NULL);

    sem_destroy(&sem);

    return 0;
}

void* PrintHelp(void* nothing)
{
    sem_wait(&sem);
    printf("print help...\n");

    return 0;
}

void* PrintHelp2(void* nothing)
{
    getchar();
    printf("Print2Ended\n");
    sem_post(&sem);

    return 0;
}

Posted by Kwang-sung Jun

2008. 1. 22. 16:30

DbgPrint() 삽질예방/DbgPrint()2008. 1. 22. 16:30

#ifdef _DEBUG_
#define DbgPrint printf
#else
#define DbgPrint DummyPrintf
#endif

int DummyPrintf(const char *format, ...)
{ return 0; }

Posted by Kwang-sung Jun

2008. 1. 20. 15:08

리눅스 파티션나누기 작업 삽질예방/Linux2008. 1. 20. 15:08

파티션 매직을 이용하여 ext3를 생성하면 뭔가 문제가 있다. 속도가 느렸다. 심지어 리눅스에서 ntfs를 접근하는 것 보다도 드렸다 그래서 다음의 명령을 쓰길 추천한다.

gparted

apt-get으로 설치한 후 이용하면 된다.

파티션 설정할때는
먼저uuid를 알아야 하는데..(예전엔 장치이름만 알면되었으나 최근 바뀌었다고 한다, 파티션 생성할때마다 부여되는 번호인듯 하다.)
그건

vol_id /dev/sda7

<sda7>은 물론. 여러분이 마운트하고자 하는 하드웨어 장치파일이다.

다음 파티션 테이블을 수정하기/.

sudo vim /etc/fstab

fstab로부터 마운트 정보 다시 읽어오려면

mount -a

가끔은 재부팅을 한번 해야만 할 때가 있으니 조심하길 바랍니다.

보너스,, fstab에서 파일시스템의 속도 향상시키기...
<option>섹션에 삽입할것.

defaults,errors=remount-ro,noatime,data=writeback

data모드는 총 세가지인데 디폴트는 ordered라고 한다. 아마. remount-ro옵션은 rw+ordered인가... 리드온리일리는 없으니까.

파티션을 합칠면서도 자료를 읽지 않으려면

LVM

을 사용하라고 한다. 잘은 모르지만 궁금할땐 검색해 보자.

...
파티션 매직으로 파티션 나누었다가 한 7시간 정도는 삽질 하여 손해본 듯 하다.
이런 기분나쁜 삽질.....

Posted by Kwang-sung Jun

«이전 1 ··· 9 10 11 12 13 14 다음»

달력

« 2024/4 »

'분류 전체보기'에 해당되는 글 138건

day 27 netflix prize/일지2008. 2. 8. 15:25

day 26 netflix prize/일지2008. 2. 4. 21:46

시간측정 클래스 삽질예방/시간측정 클래스2008. 2. 3. 22:10

day19~25 netflix prize/일지2008. 2. 3. 21:51

day 9 ~ 18 netflix prize/일지2008. 1. 28. 00:48

SVD와 압축 삽질예방/SVD2008. 1. 28. 00:29

vim 7.0 삽질예방/vim2008. 1. 24. 15:07

pthread 예제 삽질예방/pthread2008. 1. 22. 16:34

DbgPrint() 삽질예방/DbgPrint()2008. 1. 22. 16:30

리눅스 파티션나누기 작업 삽질예방/Linux2008. 1. 20. 15:08

까먹을때 참고하기 위한 공간

카테고리

공지사항

태그목록

최근에 올라온 글

최근에 달린 댓글

글 보관함

링크

티스토리툴바