DSPy를 사용한 LLM 최적화: AI 시스템 구축, 최적화 및 평가를 위한 단계별 가이드LLM(대형 언어 모델)의 기능이 계속 확장됨에 따라 해당 잠재력을 활용하는 강력한 AI 시스템을 개발하는 것이 점점 더 복잡해지고 있습니다. 기존 접근 방식에는 도메인별 제약 조건을 준수하기 위한 복잡한 프롬프트 기술, 미세 조정을 위한 데이터 생성, 수동 지침이 포함되는 경우가 많습니다. 그러나 이 프로세스는 지루하고 오류가 발생하기 쉬우며 사람의 개입에 크게 의존할 수 있습니다.엔터 버튼 DSPy, LLM으로 구동되는 AI 시스템 개발을 간소화하도록 설계된 혁신적인 프레임워크입니다. DSPy는 LM 프롬프트와 가중치를 최적화하기 위한 체계적인 접근 방식을 도입하여 개발자가 최소한의 수동 노력으로 정교한 애플리케..

1. Docker Desktop 설치 (도커가 설치되어 있다면 2번으로 패스하세요.)먼저, Docker 공식 사이트에 접속해 주세요. 자신의 컴퓨터에 맞는 버전(Mac, Windows)을 선택해서 Docker Desktop을 다운로드하고 설치합니다.2. 터미널을 이용해 n8n 컨테이너 실행하기이제 Docker를 설치했으니, 바로 터미널을 이용해 n8n을 실행해봅시다!2.1 n8n 데이터를 저장할 볼륨 만들기먼저, n8n 데이터를 저장할 Docker 볼륨을 생성합니다.docker volume create n8n_data 2.2 n8n 컨테이너 실행하기이제 아래 명령어로 n8n 컨테이너를 실행합니다.docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home..

https://velog.io/@pxrksuhn/AI%EB%A5%BC-%ED%99%9C%EC%9A%A9%ED%95%9C-%EB%8F%84%EB%A9%B4-%EA%B0%9D%EC%B2%B4-%EC%9D%B8%EC%8B%9D-%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%A8-%EA%B0%9C%EB%B0%9C 마침 관심이 있는 포스팅이 있어 출처를 먼저 기재하고 퍼왔습니다. 조만간 하단에 이어서 포스팅을 작성하려고합니다. 프로젝트 개요건축 및 제조 산업의 도면 해석 프로세스를 자동화하고, 시간과 비용을 절감하며, 오류를 최소화하는 데 중점을 둔다.이번 프로젝트에서는 YOLOv7 모델과 PySide6를 활용해 CAD로 작성한 건물의 전체 도면을 통해 각 층별 구성 객체를 자동으로 인식하고 오류..

1)  https://chatgpt.com/  접속 2) 모델이 GPT-4o 인지 확인3) 하단에 + 버튼을 클릭 4) 컴퓨터에서 업로드를 선택해서 이미지를 업로드 한다. 5) 프롬프트는 아래와 같이 입력 "Convert the uploaded photo into Ghibli-style art. Keep characters, background, and clothing similar to the original, with a soft, painterly aesthetic." 6) 완성  변환된 파일은 다운로드 !

테스트 하는  PC 사양은 아래와 같습니다. AMD 7950xRAM : 64GSSD : nvme 1TBGPU : RTX 3060 # 우분투 리눅스에 설치sudo apt update && sudo apt upgradesudo apt install curl // 설치되어 있다면 건너뜀sudo apt install apt-transport-https ca-certificates curl software-properties-common -ycurl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpgecho "deb [arch=$(dpkg --pr..