회사 프로젝트와 개인 프로젝트등 여러가지가 있어서 eslint + prettier관련 설정을 달리하고 싶은데 프로젝트마다 "open workspace settings"에 설정을 개별로 해주면 될까요?

제목과 같습니다. mutex 라이브러리를 이용한 강의 내용의 mutex m은 기본적으로 busy waiting이라고 말할 수 있나요? 뒷 강의 내용에서 나오는 mutex 변수를 Spinlock 구조로 되어있다고 이해해도 문제가 없는걸까요? (강의내용 11분 50초경) 이번 강의에서 t1과 t2가 Push를 하게 될때, 만약 t1이 lock을 붙잡고 있으면, t2는 Context Switching 이라거나 Event 방식으로 기다리지 않고 Busy waiting 하는것인지 궁금해서 문의 남깁니다. 제가 구글링을 통해 찾아본 해외 자료 느낌에서는 윈도우 환경과 VS에서 코딩하는 경우 Busy waiting을 하지 않는것처럼 나오는데, 만약 그렇다면 이것이 뒷 강의에서 설명하는 Lock 구현 방식중 2번의 Context Switching인건지 3번의 Event 방식인지도 궁금합니다.

controller의 매개변수로 Pageable을 받는것은  get방식만 가능한가요?

join창은 정상적으로떠서 가입했는데 메인페이지가 저렇게떠서 로그인도 불가능하네요.

안녕하세요. 별도의 서버에서 pretrained 모델 기반으로 video inference 실행을 하는 중에서 계속 다음과 같은 에러가 발생하여 문의드립니다. colab이 아닌 별도 서버에서 실행하였고, 선생님이 주신 코드를 파일 경로 부분만 수정해서 사용하였습니다. ------------------- import sys sys.path.append("/home/jongmin/mmdetection") # config 파일과 pretrained 모델을 기반으로 Detector 모델을 생성.  from mmdet.apis import init_detector, inference_detector import cv2 import matplotlib.pyplot as plt labels_to_names_seq = {0:'person',1:'bicycle',2:'car',3:'motorbike',4:'aeroplane',5:'bus',6:'train',7:'truck',8:'boat',9:'traffic light',10:'fire hydrant',                         11:'stop sign',12:'parking meter',13:'bench',14:'bird',15:'cat',16:'dog',17:'horse',18:'sheep',19:'cow',20:'elephant',                         21:'bear',22:'zebra',23:'giraffe',24:'backpack',25:'umbrella',26:'handbag',27:'tie',28:'suitcase',29:'frisbee',30:'skis',                         31:'snowboard',32:'sports ball',33:'kite',34:'baseball bat',35:'baseball glove',36:'skateboard',37:'surfboard',38:'tennis racket',39:'bottle',40:'wine glass',                         41:'cup',42:'fork',43:'knife',44:'spoon',45:'bowl',46:'banana',47:'apple',48:'sandwich',49:'orange',50:'broccoli',                         51:'carrot',52:'hot dog',53:'pizza',54:'donut',55:'cake',56:'chair',57:'sofa',58:'pottedplant',59:'bed',60:'diningtable',                         61:'toilet',62:'tvmonitor',63:'laptop',64:'mouse',65:'remote',66:'keyboard',67:'cell phone',68:'microwave',69:'oven',70:'toaster',                         71:'sink',72:'refrigerator',73:'book',74:'clock',75:'vase',76:'scissors',77:'teddy bear',78:'hair drier',79:'toothbrush' } def get_detected_img(model, img_array,  score_threshold=0.3, is_print=True):       # 인자로 들어온 image_array를 복사.    draw_img = img_array.copy()   bbox_color=(0, 255, 0)   text_color=(0, 0, 255)   # model과 image array를 입력 인자로 inference detection 수행하고 결과를 results로 받음.    # results는 80개의 2차원 array(shape=(오브젝트갯수, 5))를 가지는 list.    results = inference_detector(model, img_array)   # 80개의 array원소를 가지는 results 리스트를 loop를 돌면서 개별 2차원 array들을 추출하고 이를 기반으로 이미지 시각화    # results 리스트의 위치 index가 바로 COCO 매핑된 Class id. 여기서는 result_ind가 class id   # 개별 2차원 array에 오브젝트별 좌표와 class confidence score 값을 가짐.    for result_ind, result in enumerate(results):     # 개별 2차원 array의 row size가 0 이면 해당 Class id로 값이 없으므로 다음 loop로 진행.      if len(result) == 0:       continue          # 2차원 array에서 5번째 컬럼에 해당하는 값이 score threshold이며 이 값이 함수 인자로 들어온 score_threshold 보다 낮은 경우는 제외.      result_filtered = result[np.where(result[:, 4] > score_threshold)]          # 해당 클래스 별로 Detect된 여러개의 오브젝트 정보가 2차원 array에 담겨 있으며, 이 2차원 array를 row수만큼 iteration해서 개별 오브젝트의 좌표값 추출.      for i in range(len(result_filtered)):       # 좌상단, 우하단 좌표 추출.        left = int(result_filtered[i, 0])       top = int(result_filtered[i, 1])       right = int(result_filtered[i, 2])       bottom = int(result_filtered[i, 3])       caption = "{}: {:.4f}".format(labels_to_names_seq[result_ind], result_filtered[i, 4])       cv2.rectangle(draw_img, (left, top), (right, bottom), color=bbox_color, thickness=2)       cv2.putText(draw_img, caption, (int(left), int(top - 7)), cv2.FONT_HERSHEY_SIMPLEX, 0.37, text_color, 1)       if is_print:         print(caption)   return draw_img # config 파일을 설정하고, 다운로드 받은 pretrained 모델을 checkpoint로 설정.  config_file = './configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py' checkpoint_file = './mmdetection/checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth' model = init_detector(config_file, checkpoint_file, device='cuda:2') img = '/demo/demo.jpg' img_arr  = cv2.imread(img) detected_img = get_detected_img(model, img_arr,  score_threshold=0.5, is_print=True) # detect 입력된 이미지는 bgr임. 이를 최종 출력시 rgb로 변환  detected_img = cv2.cvtColor(detected_img, cv2.COLOR_BGR2RGB) plt.figure(figsize=(12, 12)) plt.imshow(detected_img) ------------------------------아래 내용입니다. 해당 내용에서 대해서 검색해보았을 때는 잘못된 메모리에 접근해서 그렇다고 하는데.. 잘 이해가 되지 않아 문의드립니다.  RuntimeError: CUDA error: invalid device function Segmentation fault (core dumped)

현시간 스프링부트 버전입니다 어떤걸 선택하는게 좋을까용? 

plotly 그래프를 그리려고 하는데, 빈 도화지처럼 바탕은 나오는데, 그래프가 그려지지 않습니다. . - 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.

엔스케이프를 설치하면 enscape capturing toolbar 는 뜨지 않습니다... 다시 설치해봐도 같습니다, 학생버전으로 다운로드 해서 그런 걸까요?

function solution(arr) { let answer = 'NO', flag = 0; let chk = Array.from({ length: arr.length }, () => 0); function DFS(i) { let sum1 = sum2 = 0; if (flag) return; if (i === arr.length) { for (let i = 0; i < arr.length; i++) { if (chk[i] === 1) { sum1 += arr[i]; } else { sum2 += arr[i]; } } if (sum1 === sum2) { answer = 'YES'; flag = 1; } } else { chk[i] = 1;//포함 DFS(i + 1);//미포함 chk[i] = 0; DFS(i + 1); } } DFS(0); return answer; } let input = [3, 1, 5, 6, 7, 10]; console.log(solution(input)); 이런식으로 짜봤는데 반복이 한번들어 감으로써 혹시 시간복잡도상 문제가 있을까요...? 

안녕하세요 강사님. 제가 잘 이해가 안되는 내용이 있는데요..^^;;  member와 oder의 양방향 연관관계에 대해 궁금합니다. 가령 배달의 민족 앱이있다면 사용자 입장에서는 충분히  '내가 주문한 리스트에 내역을 보고싶어!' 라는 생각을 할 수 있다고 충분히 생각할 수 있을것같습니다..( member의 orders 정보를 조회 ) 제가 봤을때는 위의 방식으로 개발하고 손쉽게 order를 loop를 돌리면서 출력하는 방식이 가장 쉬워보이는데.. 이런식의 설계가 잘못된 설계라고 하는 부분에 대해 이해가 잘 가지않습니다..ㅠㅠ 

이와 같은 문제가 발생합니다. 원인과 해결방법을 찾지 못해서 질문드립니다 ㅠ

1.vcpkg를 윈도우 파워쉘로 설치하는 과정 중 .\bootstrap-vcpkg.bat을 실행시키니 telemetry가 나오는 데 정상인가요? 2.telemetry가 계속 나와서 무시하고 sfml을 설치할려고 .\vcpkg install sfml을 실행시키니 Error: vcpkg was unable to detect the active compiler's information. See above for the CMake failure output.라고 에러가 뜨는데 어떻게 해결할 수 있나요?

StartBootstrap 버전이 업데이트되서 현재 강의 처럼 따라하면 업데이트 버전과 코드가 달라서 현재 강좌에서 원하는 결과물과 맞지 않은 점이 있는데 이부분 한번 확인해주시겠나요?

라이브러리 파트 공부중인데 공유드린 라이브러리를 불러온다고 말씀하셨습니다. 근데 공유한 라이브러리를 어디서 찾는지 모르겠습니다 ㅠ

안녕하세요 ! 선생님! 주말 잘 보내셨나요?? :) 설치 오류로 많은 질문을 남겼던 학생입니다!! 귀찮으셨을텐데 .ㅠㅠ 죄송합니다.  선생님의 조언 덕분에 하둡 설치에 성공하였고 남은 강의를 열심히 듣는중입니다  조언 너무 감사합니다!!  강의를 듣던중 궁금한 부분들이 있습니다. 1.hadoop fs   vs hdfs dfs 에 대해  다른 점이 궁금합니다.  인터넷에 검색해보니 하둡 2버전으로 오면서 hadoop fs 에서 hdfs dfs로 바뀐것이라고 하는 데 맞는 설명인가요? ? 2.xml파일이 문제가 되는 지 알기 위하여 이 명령어를 쓴다고 하셨는데  hadoop fs -lsr output1  그부분이 여기서 어떤 부분인가요?? lsr은 하둡에 올라가 있는 폴더/파일 체계를 모두 출력이라고 알고있습니다. 3.cat 명령어는  파일을 읽어서 보여주는 명령어라고 알고있습니다   현재 xml 화일이 존재한다면 데이터 복제는 성공하였고, 남은 과제는 xml 내부에 있는 컨텐츠가 동일한지 하둡의 fs 쉘 명령어인 cat을 실행시켜 확인하는 일만 남았습니다. :~/hadoop$ hadoop fs -cat /user/etc/xml/distcptest/target/neuavenue.xml 이 부분에서 보면 출력된  부분을 보고  컨텐츠가 동일한지 자신이 판단하는 것이죠 ?    

View.js 파일 line 10에  style.display라고 되어야할 것 같은데 style.dispaly라고 작성되어 있는 것 같아서 질문 드려봅니다!

선생님 동영상 수강하고, 정리가 필요할거 같아서,  flask 관련 책을 사서 살펴보고 있습니다. 책에서보니, app객체를 전역으로 사용하면, 문제발생확율이 높아진다고 되어있고, 대표적인 오류가 순환참조 오류고 방지하기위해 어플리케이션 팩토리를 해야한다고 나와있네요. 선생님 강의에서는 어플리케이션 팩토리에 관한 내용이 없는거 같아서 문의드려요 어플리 케이션 팩토리가 필요한부분인데, 강의수준이나, 분량이 너무 커지는것을 방지하기 위해서 어플리케이션 팩토리에 관한내용을 뺀것인지, 아니면, 굳이 어플리케이션 팩토리를 안해도 되는것인지 궁금합니다~ 답변주시면 감사하겠습니다~

useState를 이용해서 onChange 될때마다 Input 값을 각 State에 업데이트 해주는 방식과 useRef를 사용해서 onChange를 사용하지 않고, onSubmit 될때 한번에 State를 업데이트 해주는 방식 중 어떤 것이 더 효율적인가요..?

안녕하세요. 코딩테스트 처음 입문하는 학생입니다. 어디서부터 공부해야할지 찾아보다가 강의를 수강하게 되었습니다. 아직 수강 전이지만 궁금한 사항이 있어서 질문드립니다. 자료구조 종류가 굉장히 많이 있는것 같은데, 코딩테스트를 합격하는게 목표면, 자료구조는 강의에 있는것만 알고있으면 나머지는 응용력으로 코딩테스트 문제 모두 풀 수 있는지 궁금합니다.

[8분 44초] Something (const Something& s) { cout << "Copy constructor" << endl; } 이 함수가 implicit default copy constructor 를 overloading 한다는 것을 다른 질문들을 통해 이해했습니다. 제 궁금증은 "이 함수가 overloading 할 때 만약 제가 만든 함수 안에 `class Something` 의 변수들을 직접 복사하지않더라도  컴파일러가 자동으로 복사를 해줄까? " 입니다. (ex. m_value = st_in.m_value) 실제로 확인해봤을때 컴파일러가 그러한 역할을 해줬고 값이 정상적으로 복사되었음을 확인했습니다. 그러나 이렇게 자동으로 복사를 해주는 것이 overloading 의 개념인지 아니면 c++ 컴파일러가 해주는 것인지 불분명하여 개념을 명확히 하고자 질문을 드립니다. 관련된 내용의 문서를 공유해주시거나 설명해주시면 감사하겠습니다.