Softbank
Softbank Robot Pepper
本ページは、Lowy氏が実戦エンジニアリングとインフラ運用を通じて体系化したIT技術ツリー(it-tech-tree.drawio)をWeb上で直接探索できるよう、2次元SVGグラフで可視化した技術ナレッジベース(KB)です。ハードウェア基盤(Server Machine、CPU、DRAM、Storage)とネットワーク(Networking、TCP/IP、OSI Model、L4/L7ロードバランシング)から出発し、OS(Linux、Windows、ChromeOS)、プログラミング言語(Assembly、C/C++、Java、Python、Node.js)、データベース(RDBMS、Oracle、SQL Server、MySQL、PostgreSQL、NoSQL、Cassandra、DynamoDB)、セキュリティ・Web3、DevOps(Docker、Kubernetes、Terraform)へと連なる技術系譜を一目で俯瞰できます。
さらに最新の生成AIおよびエージェンティック運用領域(Stable Diffusionの主要構成要素、Hugging Faceパイプライン、Minimax Claude Code API連携、DeepSeek解説、Google Antigravity、giip FDE BoxおよびAI Sub-Agent)まで、頂点セル387個とエッジセル364個(画像代替ラベルセル63個を含む)を元のレイアウト座標のまま配置しています。ノードをクリックまたは検索して、接続関係と技術ノート全文をご確認ください。
ノードをクリックまたは検索すると、右パネルに技術ノート全文と上位・下位接続ノードが表示されます。63個の画像セルはテキストラベルノードとして表示されます。
draw.io ツリー内に収録された長文解説セルの全文です。カードをクリックすると2Dグラフ上の該当ノードへフォーカスします。
Softbank Robot Pepper
TiDB 最新のトランザクションアプリケーションに対応した最も先進的な オープンソースでMySQL互換の分散型データベース
Stable Diffusion의 주요 구성 요소 Stable Diffusion은 이미지 생성을 위한 **디퓨전 모델(Diffusion Model)**을 기반으로 하며, 주로 아래와 같은 구조를 사용합니다. 1. U-Net (CNN 기반이지만 일반적인 CNN과 다름) • Stable Diffusion에서 노이즈를 제거하는 핵심 모델은 U-Net입니다. • U-Net은 **CNN(합성곱 신경망)**을 기반으로 하지만, 일반적인 CNN과 달리 다운샘플링(encoder)과 업샘플링(decoder)이 결합된 구조입니다. • 이 구조는 이미지의 다양한 해상도를 동시에 처리하는 능력을 갖추고 있어 디퓨전 모델의 노이즈 제거 과정에서 매우 효과적입니다. 2. CLIP(Text Encoder) - 트랜스포머 사용 • Stable Diffusion은 텍스트-이미지 매핑을 위해 OpenAI의 CLIP 모델을 사용합니다. • CLIP은 트랜스포머 기반 모델이며, 입력된 텍스트 프롬프트를 벡터(임베딩)로 변환하여 U-Net에 전달합니다. • 이 과정을 통해 "프롬프트에 맞는 이미지"를 생성할 수 있습니다. 3. VAE (Variational Autoencoder) • Stable Diffusion의 최종 출력 이미지는 VAE의 디코더를 통해 복원됩니다. • VAE는 압축된 잠재 공간(Latent Space)에서 이미지를 표현하는 데 사용되며, 실제 픽셀 단위 이미지를 생성하는 역할을 합니다.
Stable Diffusion: 모델/아키텍처 + 학습된 가중치(weights) + 학습/추론 파이프라인까지 포함한 “생성 모델 제품군(계열)”
Hugging Face(HF): 모델을 만들기 위한 원천이라기보다, 학습된 모델 가중치와 코드(파이프라인)를 배포·공유·재사용하는 플랫폼/라이브러리(Transformers, Diffusers 등)
Minimax 가 공식으로 claude code 용 API제공. claude code에서 API연결만으로 사용 가능