SERIES
AI 서빙 인프라: GPU부터 문서 파싱까지
11 POSTS
- 01mlops
Python CUDA 버전 생태계 — nvidia-smi, nvcc, pip, conda가 다 다른 버전을 말하는 이유
- 02mlops
GPU 컨테이너의 CUDA 버전 호환성 — nvidia-smi부터 이미지 다이어트까지
- 03mlops
GPU·CUDA·MPS 기초 — 자바 백엔드 개발자가 처음 만나는 그림
- 04mlops
한 GPU 를 여러 프로세스가 나눠 쓰기 — Time-Slicing 과 MPS
- 05mlops
Multi-process GPU 워크로드 — 자바 ThreadPool 사용자가 만나는 모델 차이
- 06mlops
Kubernetes GPU 노드에서 /run tmpfs가 꽉 차서 Pod가 안 뜰 때
- 07python
OCR 동작 원리 — Layout · Text · Post-process 3단계
- 08ai
Docling: IBM Research 의 문서 파싱 toolkit
- 09ai
STORM Parse
- 10ai
멀티모달 LLM (Multimodal Large Language Model)
- 11mlops
ML 서비스 성능 분석 워크플로 — 자바 백엔드 트러블슈팅과 다른 점
