본문 바로가기
반응형

전체 글595

[Python] 반복문과 Lambda: 값 캡처와 변수 참조의 차이 이해하기 반복문 속에서 Lambda를 사용할 때, 발생할 수 있는 오류를 확인합니다.    목차 개발 의도# lambda 함수를 저장하기 위한 배열funcs = []# 배열에 lambda 함수 저장for i in range(3): funcs.append(lambda: print(i))# 루프가 끝난 후 모든 lambda 함수 실행for func in funcs: func()# 출력값: 2 2 2- 위와 같이 반복문과 lambda 함수를 이용하여 리스트에 print 함수 3개를 저장하는 코드를 작성합니다. - funcs에 저장된 함수를 순서대로 실행하여, 최종 출력값은 0, 1, 2가 되어야 합니다. 문제 상황- funcs에 저장된 함수를 순서대로 실행했을 때, 최종 출력값이 2, 2, 2가 되는 상황이.. 2024. 11. 12.
[원신] 마을별 특산물 레이더 간단 정리 마을별 특산물 탐색을 위한 레이더 간단 정리 목차 캐릭터, 무기, 특성 레벨을 올리거나 일부 퀘스트를 진행하기 위해지역별 특산물을 파밍해야 합니다. 특정 지역의 특산물을 찾을 때해당 지역의 특산물 레이더를 파티에 포함시킬 경우아래와 같이 특산물 위치를 알려줍니다. 다음은 지역별 특산물 레이더(특산물의 위치를 알려주는 특성) 캐릭터입니다. 몬드 특산물 레이더1. 클레 (한정 5성, ★★★★★)2. 미카 (상시 4성, ★★★★)"> 리월 특산물 레이더1. 치치 (상시 5성, ★★★★★)2. 연비 (상시 4성, ★★★★)"> 이나즈마 특산물 레이더1. 고로 (상시 4성, ★★★★)"> 수메르 특산물 레이더1. 타이나리 (상시 5성, ★★★★★)"> 폰타인 특산물 레이더1. 리니 (한정 5성, ★★★★★).. 2024. 11. 10.
[AI] ResNet 요약정리 ResNet 요약정리  목차 서론- ResNet은 딥러닝 모델이 깊어질수록 발생하는 기울기 소실 문제를 해결하기 위해 개발되었습니다.- ResNet은 2015년 마이크로소프트 리서치 아시아(Microsoft Research Asia)의 연구원들에 의해 개발되었습니다. ResNet의 개념- 잔차 학습(Residual Learning)기존 학습은 입력으로부터 목표 출력을 계산(예측)할 수 있도록 학습합니다.잔차 학습은 입력과 목표 출력의 차이, 즉 잔차(residual)를 계산(예측)할 수 있도록 학습합니다.입력 x, 목표 출력 H(x), 잔차 F(x) 라고 할 때,기존 학습: x -> H(x), H(x)를 학습함잔차 학습: x + F(x) = H(x), F(x)를 학습하여 H(x)를 구함 - 스킵 연결(S.. 2024. 9. 1.
[AI] ChatGPT의 딥러닝 모델 Transformer 요약 ChatGPT를 만든 딥러닝 모델 Transformer 요약 정보   목차 - ChatGPT는 OpenAI에서 개발한 GPT(Generative Pre-trained Transformer) 시리즈 중 하나입니다.- GPT 시리즈는 딥러닝 기반 자연어 처리 모델로, 텍스트 생성, 번역, 요약, 질문 응답 등의 작업을 수행합니다.- GPT는 Transformer 구조를 사용하여 대규모 텍스트 데이터를 학습하며, 언어의 구조와 의미를 이해합니다. 서론- Transformer는 딥러닝 모델로, 자연어 처리 작업에서 혁신을 가져왔습니다.- 2017년 구글 연구원들의 논문 "Attention is All You Need"에서 처음 소개되었습니다.- 순차적 데이터 처리에 탁월하며, RNN 및 LSTM을 대체하는 주요.. 2024. 8. 27.
[AI] 인공지능 모델 설계 자동화를 위한 NAS 간단한 예제 인공지능과 딥러닝 모델의 설계 과정을 자동화하는 NAS 간단한 예제    목차 - Neural Architecture Search (NAS)는 딥러닝 모델의 아키텍처를 자동으로 탐색하는 방법입니다.- TensorFlow 기반으로 간단한 NAS 예제를 구현할 수 있습니다.- 이 예제에서는 tf.keras를 사용하여 기본적인 NAS를 구현하겠습니다. NAS 간단한 예제 코드- NAS의 복잡성을 고려해, 이 예제에서는 매우 간단한 CNN 모델을 탐색하는 방식을 보여드리겠습니다.# 라이브러리 임포트import tensorflow as tffrom tensorflow.keras import layers, modelsimport numpy as np# 데이터셋 준비: 간단한 MNIST 데이터셋 사용(x_train,.. 2024. 8. 26.
[AI] 인공지능 모델 설계 자동화를 위한 NAS 인공지능과 딥러닝 모델의 설계 과정을 자동화하는 NAS      목차   - Neural Architecture Search (NAS)는 인공지능과 딥러닝 모델의 설계 과정을 자동화하는 기술입니다.- 전통적으로, 딥러닝 모델의 아키텍처(구조)는 전문가들이 경험과 직관에 따라 설계했습니다. 그러나 이 과정은 매우 복잡하고 시간이 많이 걸리며, 특히 대규모 신경망의 경우 최적의 구조를 찾기 어렵습니다.- NAS는 이러한 문제를 해결하기 위해, 최적의 신경망 구조를 자동으로 찾아주는 방법론입니다. NAS의 기본 개념- NAS는 주어진 데이터와 문제에 대해 최적의 신경망 아키텍처를 자동으로 탐색하는 과정입니다.- 이 과정은 일반적으로 세 가지 주요 단계로 나뉩니다.탐색 공간 (Search Space) 설정   .. 2024. 8. 12.
반응형

티스토리툴바