버추얼 머신 공유 폴더 권한 에러

-

상황 (2016/08/22)

공유 양방향으로 해놨으나 가끔 안되는 경우가 있어 공유 폴더를 만들고자 했다.
vm에 폴더를 공유하기 위해 설정에 들어가 만들었으나 권한 에러 발생.
자동 마운트와 항상 사용 버튼을 누른 상태.

에러

접근 권한 오류

해결

sudo usermod -G vboxsf -a 추가할사용자명
sudo shutdown -r now

댓글

댓글 쓰기

이 블로그의 인기 게시물

윈도우 설치에서 파티션 설정 오류(NTFS)

-
이미지
요즘 컴퓨터 OS를 갈아엎느라 시간가는 줄 모르게 컴퓨터를 해댔다. 다른 거 할 수도 없었다. 네트워크도 공부해야하는데 하지 못했다. 그래서 내가 포맷하고 OS 설치하면서 겪은 오류들을 적고자 한다. 처음 OS를 쓰다가 USB로 OS를 설치하다 보면 전에 쓰던 OS를 갈아엎는 경우가 있다. 밑의 그림처럼 나올 것이다. 그럼 주 하드디스크를 포맷버튼 누르고 OS를 설치하고 싶을 것이다. 하지만 대부분은 오류가 떠서 안될텐데..되면 말고.. (출처: http://digitaku.com/719) 윈도우를 NTFS로 포맷된 파티션에 설치해야하다는 오류가 뜬다면 (출처: http://caleb1783.tistory.com/362) 1. 우선 설치 시작화면으로 돌아가서 2. shift+f10 으로 cmd를 띄운다. 3. diskpart 명령어를 치고 enter을 누른다. 4. list disk 를 통해 디스크 목록을 본다. 5. 포맷하고 싶은 디스크를 확인한다. 6. 만약 disk0이면 select disk0 을 통해 disk0을 선택한다. 7. 그리고 가장 중요한 clean 명령어를 통해 깨끗히 지운다. 8. exit을 통해 나간다. 9. 다시 컴퓨터를 껐다가 usb 부팅을 통해 OS를 설치한다.
자세한 내용 보기

#5 수경재배 스마트팜 (1)

-
이미지
집에서 농사해서 직접 재배해 먹으면 좋을 것 같다는 생각에서 시작되었다. 전공도 컴퓨터이고 아두이노, 라즈베리파이를 이용하면 될 것 같다고 생각했기 때문에 수경재배에 대해 알아보았다. 집에서 현실적으로 가능한 수경재배기법은 무엇이 있을까 생각해보았는데 답은 이미 시중에 파는 제품들에 있었다. 점적관수형 수경재배기법이 쉽기도 하고 현실 가능해보였다. (출처: https://hydroponicsgrower.org/wp-content/uploads/2014/01/1-Hydroponic-Drip-System.jpg ) 윗쪽 물을 담고 있는 통을 어떻게 이용하느냐에 따라 다시 세분된다. 위와 같은 방법은 하나의 큰 통을 이용했지만 구하기가 어려워 PVC 파이프를 이용했다. 큰 틀은 위의 사진과 같다. PVC 파이프에 구멍을 뚫어 식물 재배 포트를 끼우고 그 안에 식물을 키우는 구조이다. 물이 노지 재배에서의 흙을 대체한다. 그러기 위해선 흙 속의 영양분을 물 안에 녹여야 한다. 물 속에 양액을 넣어 영양분을 채워준다. 이것이 수경재배의 핵심인 듯 하다. 이 글에서는 농사에 대한 기술적인 부분이나 방법론에 대해는 세세하게 기술하지 않겠다. 그러면 글이 너무 방대해져 오랜 기간 써야 하고 블로그는 컴퓨터와 책에 대한 주제이기 때문이다. 또 중요한 키 포인트는 집에서 스마트팜을 하기 때문에 햇빛이 필요 없게 하고 싶었다. 구글링 하던 중 일본식 스마트팜은 조명으로 햇빛을 대체한다고 한다. 그래서 알아보던 중 네이버 카페 "나만의 베란타 텃밭 이야기"에 가입하고 도움을 정말 많이 얻었다. 이 카페 회원분들이 아니였다면 이 프로젝트의 기간은 엄청 길어졌을 것이다. 요약하자면 위 점적관수형 수경재배기법의 핵심은 아래와 같다. - 두 개의 물을 담는 통이 있고 하나는 포트를 끼워 식물을 재배하고, 나머지 하나는 물을 갈아줄 때 필요하다. - 물은 흙의 역할 중 영양분 공급을 대체하기 위해 양액을 넣어야 한다. - 햇빛이 없는 장소에서의 식물 성장을 위해 조명...
자세한 내용 보기

CNN hyperparameter

-
이미지
CNN hyperparameter CNN Hyper-parameter 뉴럴 네트워크에서 하이퍼의 종류는 매우 많고 그 중요성도 매우 크다. 설명하기 전에 간략하게 CNN의 기본 구조에 대해 적고 가야겠다. CNN은 이미지 데이터를 다룰 때 주로 쓰인다. 이미지 데이터에 대해 알아야 할 것이 있다. 이미지의 크기는 가로x세로x깊이로 나타내고, 하나의 픽셀은 0~255 값 중 하나를 갖게 된다. 이미지의 깊이는 3으로 RGB를 나타낸다. 초매개변수의 적정값에 대한 결론부터 얘기하면, 레이어의 갯수, 즉 깊이,를 늘리는 데에 초점을 맞추어 조절해야 한다. 이제 개인적인 생각으로 초매개변수를 어떻게 정하면 좋을지 적어보겠다. 레이어의 갯수(=깊이) 네트워크를 어떻게 구성할 것인가가 될 것이다. 생각을 해보자. 뉴럴 네트워크의 깊이가 깊어질수록 정확도는 높아지는가? 뉴럴 네트워크는 인간의 뇌를 모방해서 만든 기술이다. 인간의 뇌는 수 많은 일련의 뉴런의 연결로 이루어져 있는데, 뉴럴 네트워크의 최종 목표 또한 그럴 것이다. 그러므로 깊어져야 할 것이다. 그럼 무작정 깊이를 늘리면 정확도가 높아지는가? ResNet이 나오기 전까지는 그렇지 않았다. 20개의 레이어가 56개의 레이어보다 정확도가 높았다. 그 이유는 무엇인가? Gradient Vanishing/Exploding, Degradation 현상 때문이었다. Gradient의 문제는 주로 활성(Activation) 함수와 연관이 있는데, 시그모이드 활성 함수를 보면 x 값이 양의 값으로 큰 값을 갖거나 음의 값으로 작은 값을 갖질수록 Gradient가 0으로 수렴하게 된다. 이 문제를 해결하기 위해 Batch normalization이 나왔다. mini-batch마다 각 층의 input을 normalization하는 방법으로 어느정도 해결했다. Batch normalization을 사용하면 initialization을 크게 신경쓰지 않아도 된다. 또한 opt...
자세한 내용 보기