지속 가능한 꾸준함

pytorch 의 official TransformerDecoder 레이어가 포함된 모델을 onnx 변환하려니 아래와 같이 onnx에서 지원하지 않는 연산이라며 오류가 발생했다. aten::_native_multi_head_attention ~ 우회법은 onnx 변환 함수 호출하기전에 torch.backends.mha.set_fastpath_enabled(False) 를 호출해주는 것이다. 이 방법 찾기 전에는 TransformerDecoder 상속 받아서 multi head attention 부분만 custom op로 돌아가게 오버라이딩 해야하나 이런 고민을 했었는데, 저거 호출하고 변환하니 일단은 변환 돼서 안심...

Source Control 탭들어가서 커밋할 거 add하고 저 멋쟁이 버튼 누르면 알아서 커밋 메시지 작성해준다. 규칙이 있다면 규칙에 따라 직접 쓰면되고, 없이 대충 자유롭게 쓰는 상황인데 그냥 update라고만 남길거면 자동 작성하는 게 훨씬 나아보인다.

https://github.com/developer0hye/imgdiet GitHub - developer0hye/imgdiet: A Python package for minimizing file size of images with negligible quality lossA Python package for minimizing file size of images with negligible quality loss - developer0hye/imgdietgithub.com  수행시간을 로깅하는 건 때론 유용한 정보를 준다. 그치만 위에 코드처럼 구현하면 코드가 지저분해진다. 수행 시간 측정하는 코드를 데코레이터로 구현함수내에 있는 로깅 코드를 따로 데코레이터로 빼서 보다 가독성을 높였다.