목차 [내장함수] eval [내장함수] map [내장함수] join [내장함수] split [내장함수] upper, lower [내장함수] iter, next [내장함수] replace [내장함수] dict (get, keys, values, items) [내장함수] list (insert, extend, pop, remove) [itertools] permutations, combinations [collections] Counter [collections] deque (rotate, popleft) [내장함수] eval 문자열이 들어오면 그것을 실행시키는 함수 a = eval('1+2') print(a) >>> 3 b = eval(len([1,2,3])) print(b) >>> 3 [내장함수] map..

정말 오랜만에 포인터를 보니... 잘 기억이 나지 않아 다시 정리함 옛날에도 헷갈렸는데 여전히 헷갈리는군.. #include using namespace std; int main(){ int a = 6; int* b; //포인터 b 정의 b = &a; // a의 주소값을 포인터 b 에 넣어줌 cout

위 이미지는 온라인에서 사람임을 확인하기 위한 캡챠 이미지이다. 특정 채용 사이트 로그인 중 갑자기 ChatGPT 가 이 이미지의 숫자를 읽는지 궁금해져서 캡쳐해왔다. 평소 이미지를 주었을 때도 사람보다 더 잘 설명하기 때문에 당연히 잘할 것으로 생각했지만,,, GPT-4 를 사용하여 시도해봤는데, 일부러 막아둔게 분명하다... 근데 분명 일반적인 이미지에 있는 글이나 숫자는 잘 읽던데.. 흠.. 그렇다면 저 숫자를 일반적인 이미지에 붙인다면?! 뭔가 번호판처럼 붙이면 잘 알아보겠다 싶어서 람보르기니의 이미지를 가져왔다. 그리고 캡챠 이미지를 붙인 후, GPT 에게 설명해달라고 하니 어... 자세하긴 하네.. 그래서 다시 성공~!! 최근 좀 어려운 캡챠 문제들을 본 적이 있는데 다음에 기회가 되면 시도해..

RTX 3070 GPU 가 있는 데스크탑이 있긴 하지만, 맥이 들고다니기 편해서 맥에 SD 를 설치해봤다. 물론 공식 깃헙 코드를 사용하면 학교 서버로도 돌릴 수 있지만, 가독성 측면에서 webui 가 훨씬 편한 관계로 설치를 했음 다만 로컬 환경으로 실행하기 때문에, 속도가 많이 느릴 수 있다는 것을 전제로 설치 맥 M1 모델에 설치하려고 하는데 생각보다 한글 설명이 많이 없어서 직접 작성 공식 문서는 다음 링크 참고: https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Installation-on-Apple-Silicon Installation on Apple Silicon Stable Diffusion web UI. Contribute to ..

link 의 약자로 리눅스에서 링크 파일을 생성할 때 사용 Symbolic Link 파일이나 디렉토리에 대한 참조 또는 바로가기와 같음 대상 파일이 이동되거나 삭제되면, 심볼릭 링크는 더 이상 유효하지 않음 파일 시스템을 넘나드는 링크를 생성 ln -s [대상 파일 또는 디렉토리] [링크 이름] Hard Link 파일의 실제 데이터에 대한 추가적인 포인터 하드 링크는 원본 파일과 동일한 데이터를 가리키며, 원본 파일이 삭제되어도 링크는 여전히 데이터에 접근 하드 링크는 같은 파일 시스템 내에서만 생성 ln [대상 파일] [링크 이름]

Stable Diffusion (SD) code 를 다른 opensource 와 마찬가지로 공식 github 에서 받아 돌려봤는데, 돌리긴 어렵진 않은데 ChatGPT 에 있는 Dall-E 와 비교했을 때 사용법이 좀 불편하다는 것을 느낌 일단 LDM 공식 github 실험 결과를 보자. Weight 는 Huggingface [2] 에서 SD v1-5 를 사용했고 GPU 는 연구실에서 사용하던 Ubuntu 서버로 따로 학습은 진행하지 않고 Sampling 만 진행 Img2Img 이 실험은 내 증명사진으로 진행을 해봤음 제일 왼쪽 사진이 내 증명사진이고 오른쪽 10장의 이미지는 정확한 prompt 는 기억이 나지 않지만... '얼굴을 좀 더 잘생기게 바꿔줘' 이런 내용이 들어갔던것 같은데.. 성능이 좀 별..

2022년 여름에 transformer 를 공부하고 기억이 가물가물하여 다시 한 번 정리합니다! Self Attention Cross Attention Key Value 는 같은 곳에서, Query 만 다른 곳에서 가져옴

Autoregressive: 자동회귀, 자기회귀 AutoRegressive (AR) Model: 자기회귀 모델 ChatGPT 4 says that... Autoregressive model(자기회귀 모델)은 통계학과 신호 처리에서 널리 사용되는 개념으로, 시계열 데이터에서 이전의 관측값들이 현재 관측값에 영향을 미친다고 가정하는 모델입니다. 이 모델의 핵심은 과거의 데이터 포인트가 현재 데이터 포인트를 예측하는 데 사용된다는 점입니다. Diffusion 논문, 특히 딥러닝과 관련된 연구에서 autoregressive model이 언급되는 경우는 주로 생성 모델링과 관련이 있습니다. 여기서 autoregressive model은 데이터의 분포를 학습하고, 이를 바탕으로 새로운 데이터를 순차적으로 생성하는 ..

- Introduction 최근 Diffusion Model 이 Image Synthesis 분야에서 아주 좋은 결과물을 보이고 있음 Reference 정리 [30] Denoising diffusion probabilistic models [NeurIPS 2020] DDPM 논문 [85] Score-based generative modeling through stochastic differential equations [ICLR 2021] Stochastic Differential Equations (SDE) 를 응용한 diffusion 기술 이와 관련된 논문으로는 Generative modeling by estimating gradients of the data distribution [NeurIPS ..

석사 졸업 전 CVPR 2024 에 제출한 논문 'Generative Unlearning for Any Identity' 이 Accept 되었습니다! 컴퓨터 비전 분야 최고 권위 학회에 참가할 수 있어 정말 영광이고, CVPR 2024 에서 더 많이 배웠으면 합니다. 더불어 참여하시는 많은 researcher 분들과 교류할 수 있었으면 좋겠습니다! Seattle 에서 봅시다!!