Haribo Blog

알고리즘, 문제풀이, ML, AI

[git 시리즈 3] Pull Request 아~~~~

2025-12-25

Haribo

실습

AI git
코드를 작성하는 건 ‘개인’의 영역이지만, PR을 올리는 순간부터는 ‘팀’의 영역이다. PR(Pull Request)은 단순한 병합 요청이 아니라, “내 코드가 메인 브랜치에 들어갈 자격이 있음을 증명하는 제안서” 임.

얼마전에 ComfyUI에 들어온 Z-Image alipai controlnet PR 을 한번 보자.

일단 애니프사 최소 5명이 포함된 17명이 쏼라쏼라하고있음. 처음 볼땐 헷갈렸지만 그냥 위에서 아래로 내리면서 flow를 보면된다.
PR 올리고 리뷰어들이 피드백하고 다른 repo 관련 pr들 보여주면서 도움/피드백 주고, 첨엔 복잡해 보였는데 꼭 필요한 과정으로 생각된다.
- 근데 모델 만든거 repo 주인장이 골라서 ComfyUI에 박아주나보다.
- 나 모델 만들었소 PR 받아주셈 ㅠㅠ 이렇게는 안되는듯? 선택 당해야하는듯..;
Read All
[git 시리즈 2] github: 저는 님을 도우로 온 사람입니다.

2025-12-25

Haribo

실습

AI git
- 1. Atomic Commit (원자적 커밋)
전편 에서 전반적인 git의 원리 기능에대해 파봤으니까 이제 본격적인 협업을 위한 규칙과 좋은 commit 습관을 파헤쳐 본다.

1. Atomic Commit (원자적 커밋)

git 기능들을 보면 왔다갔다 뺐다 꼽았다, 수정/변경이 핵심인듯하다. 기존꺼 뭐 고치면서 추가로 필요할꺼같아서 다른것도 만지고 3~4 파일 한번에 커밋해버리고 이러면 사실 되돌아가고 빼오고 이러기 힘들어진다.
이론적으로 완벽한 단위는 분할 불가능한 최소한의 논리적 작업 단위 로 봐야한다.

이 커밋 하나만 떼어냈을 때, 논리적으로 말이 되며 빌드가 깨지지 않는가?
Read All
[git 시리즈 1] git한테 암바 걸렸을 때 탈출하는법

2025-12-13

Haribo

실습

AI git
누구나 한번 쯤 merge, rebase, pull 하다가 git한테 백초크 잡혀서 가진거 다 뺏기고 remote 햄 커밋부터 다시 시작한적 있을것이다.
나 또한 최근 이 개새끼한테 잡혀서 머리채 다 뜯기고 겨우 탈출할 수 있었는데, 걍 pull-merge-push 만 쳐하던 과거의 나와 풀스파링 뜨고싶은 심정이었다.

AI 학습을 위해서 값비싼 장비가 필요하며 임대기간은 한정적이며 매우 짧다. 학습코드를 개씹완벽하게 짜서 걍 손빨기만 하면 되는 상황이 아니라면 우리는 학습을 돌리며 끊임없이 수정하고, 마이그레이션하고 서커스하고 해야한다.
- 안그러면 나보다 연봉더 높은 GPU를 놀게 해야한다. 차라리 내가 노는게 낫지 GPU는 절대 놀게 두면 안된다…
Read All
일좀 같이 합시다!!

2025-12-07

Haribo

실습

AI uv src_layout setuptools Hydra pytest Git_Flow
대규모 데이터셋, 분산 학습, 협업? 이거 그냥 코드만 짠다고 되는 게 아니다. “내 컴퓨터에서만 돌아가는데요?” 라는 소리 했다가는 머리통이 으깨질 수 있다.
수십 장의 GPU가 돌아가는 환경에서는 “재현성(Reproducibility)” 과 “확장성(Scalability)” 이 생명이다.
이 두 가지를 보장하지 못하는 코드는 쓰레기다.
- 에러뜨면 빠르게 수정하고 다시 돌리고
- 다른사람이 수정한거 빨리 확인하거나 시켜서 다시 돌리고
- 바꿀꺼 있으면 빨리 해서 돌리고
명심하자 H100 상무님은 놀게 냅두면 안된다.
1. 환경 설정 및 의존성 관리 (기초 중의 기초)
2. 프로젝트 구조와 패키징 (협업의 뼈대)
3. 설정 관리 (Hydra & OmegaConf)
4. 코드 품질과 테스트 (협업의 안전장치)
5. Git 협업 프로토콜 (Social Coding)
6. 분산 학습과 인프라 (The Heavy Lifting)
나도 쓰면서 공부하는거라 좆밥용 ~ 호날두용까지 두루두루 살펴보며 해볼 생각이다.
Read All
Hydra (솔직히 처음봐도 이름력 개지림)

2025-12-06

Haribo

실습

AI hydra
- 서론: 왜 이 고생을 해서 Hydra를 쓰는가?
서론: 왜 이 고생을 해서 Hydra를 쓰는가?

이름력 만큼 성능도 좋을까?

Argparse (노가다):
- 인자가 필요하다? parser.add_argument(‘–lr’) 추가.
- 모델을 ResNet에서 ViT로 바꾸고 싶다? parser.add_argument(‘–patch_size’) 또 추가해야함.
- 결과: train.py 상단 200줄이 인자 정의하는 코드로 도배됨.
기타 방법 (toml, json)
- 얘네들은 그나마 나은게 py파일 하나를 통으로 인자 설정하는데 안써도됨.
- 그러나 정적인 로딩만 가능
  - 수동으로 str 다 입력해줘야 하거나, 내부 로직으로 str or 숫자 아니면 파일 찾아서 파싱하는거 만들어야함.
Hydra (설계):
- 코드 안건들. “설정 파일(yaml)”만 조립.
- 핵심 원리: 코드는 “나는 cfg라는 객체 하나만 받겠소. 그 안에 뭐가 들어있는지는 난 몰르” 선언하고 빠짐.
  - cfg : OmegaConf가 만든 DictConfig라는 특수 부대원
- 동적 로딩 가능
  - yaml 안에 yaml 집어넣기 가능. 알아서 파싱해줌
- 결과: 파이썬 코드가 순수해짐. 로직(Logic)과 설정(Config)이 완벽하게 분리.
Read All
UV는 왜 '대통령'에 당선 되었나

2025-12-06

Haribo

실습

AI uv
uv가 파이썬 생태계의 대통령이 된 이유는 딱 두 가지이다. “압도적인 속도” 와 “통합(Unification)”

(1) Rust로 짠 괴물 같은 속도
- 기존 (pip, poetry): Python으로 만들어짐. 개느림. 의존성 그래프 계산하다가 퇴근 시간 다 간다.
  - 의존성: transformer 는 2.0 필요하고 근데 그와중에 numpy는 1.2 이하 필요하고, 그와중에 accelerate는 33 이상필요하고 ~~
- UV: Rust로 만들어짐. pip보다 10~100배 빠름. 캐싱 전략이 미쳐서, 한 번 받은 패키지는 파일 복사도 안 하고 하드링크(Hardlink)로 꽂아버림. 디스크 용량도 아끼고 설치는 0.1초 컷.
(2) The Unified Toolchain (하나로 다 된다)
- pyenv, conda (파이썬 버전 관리) -> uv python
- venv, virtualenv (가상환경 생성) -> uv venv
- pip (패키지 설치) -> uv pip
- poetry, pip-tools (의존성 잠금/관리) -> uv add, uv lock
conda 만 써온사람으로써 일단 존나 무거움, 게다가 pycharm local<->remote<->container or cluster 개발 할 때 uv 못쓰고, .venv로 우회해야함.
Read All
고수들의 repo 안에 src는 뭐하는놈일까

2025-12-06

Haribo

실습

AI 패키지 협업
- 0. 서론: 제발 sys.path.append 좀 그만 써라
0. 서론: 제발 sys.path.append 좀 그만 써라
```
import sys
sys.path.append("../src")  # 제발 나가 뒤져라
from my_model import UNet
```
이건 “내 컴퓨터, 내 폴더 구조에서만 돌아가는 쓰레기 코드” 임. 남의 컴퓨터 가면 경로 달라서 바로 터져버린다.
내 목표는 만든 코드를 팀원이 어느 폴더에 있든 상관없이 이렇게 쓰게 만드는 거임.
```
# 깔끔 그 자체
from captain_diffusion import UNet
```
Read All
DPO 리뷰

2025-11-30

Haribo

실습

AI DPO 논문리뷰
- 요건 잠시 보류
요건 잠시 보류
Read All
DPO와 아이들 (GRPO)

2025-11-28

Haribo

실습

AI DPO 학습 training

subject-driven 모델 개발하던 중 보게 된 선행연구 NEGATIVE-GUIDED SUBJECT FIDELITY OPTIMIZATION FOR ZERO-SHOT SUBJECT-DRIVEN GENERATION.
DPO 라는걸 임커밋 오픈채팅방에서 누가 쏼라쏼라하던거 말로만 듣고 먼지도 모르는 상태에서 실험 결과를보고 안써볼 수 가 없었다. 어차피 학습 파이프라인 0-100 혼자 만들어둔 상태였기에 DPO 학습을 위한 dataloader, loss func 부분 추가하는건 그렇게 어려워 보이지 않아 바로 테스트해본 결과가 위의 이미지다(본인 와꾸임).

Read All
개빡치는 정밀도 줄이기 & LoRA

2025-11-22

Haribo

실습

AI Mixed-Precision 학습 training
검은 영역 생성하는 모델 학습에서 train 환경 bfloat16 에서는 문제없던게 테스트환경 fp8로 생성하니 테두리 부분이 개박살나는 현상. 이건 아직도 해결방법 못찾음ㅅㅂ (거의 한달넘게 실험바꿔가며 헉습/실험 했는데 해결 못함ㅋ).
- 근데 원인은 몰라도 우회할 방법을 고안해 냈는데 이직을 하게되어 가설이 맞는지는 당분간 확인을 할 수 없게 되었음…
이게 아무래도 높은 precision에서 낮은 precision으로 내려가면서 발생하는 문제가 확실해 보이는데, 근데 하필이면 딱 경계면에 저렇게 폭격이 가해지는 원인이 뭘까?
이걸 파악하기 위해서는 precision 낮추는 과정을 좀 low-level 에서 파악할 필요성이 느껴진다.
Read All

1/24

Haribo Blog

1. Atomic Commit (원자적 커밋)

서론: 왜 이 고생을 해서 Hydra를 쓰는가?

0. 서론: 제발 sys.path.append 좀 그만 써라

요건 잠시 보류