전체 글 (282) 썸네일형 리스트형 24-10-4주차 - fine grained classification 관련 논문 읽기- 김성범 교수님 핵심 확통 강의 듣기- 논문 읽고 정리한거 블로그/깃헙에 업데이트하기!(제발) 미국 버스 티켓 모바일로 사는 법 미국 버스 티켓 모바일로 사는 법미국 첫날에 버스 티켓 사겠다고 동네 한바퀴 돌았는데 저같은 짓 하지말라고 씁니당... Transit app 깔아서 사세욥...https://transitapp.com/ Transit • Make life better without a car.GO: Your Friendly Transit Companion Like a helpful personal robot, GO thinks about your journey so you don’t have to.transitapp.com 상속과 컴포넌트 상속게임 엔진은 완성된 기반 코드를 제공하므로 이를 재사용해서 생산성을 높일 수 있다.이때 코드 재사용을 위해 사용하는 방법이 '상속'이다. 상속이란 이미 만들어진 클래스(부모 클래스)에 새로운 코드, 기능을 붙여서 새로운 클래스(자식 클래스)를 만드는 것이다. 예를 들어, 게임에서 몬스터를 구현하려고 할 때, Monster class를 부모 클래스로, 오크, 고블린 등 다양한 파생 몬스터를 자식 클래스로 작성할 수 있다. 또한 자식 클래스를 부모 클래스로 다시 재사용할 수 있다. 그러나 상속에만 의존해서 코드를 작성할 경우, 오히려 코드 재사용 때문에 더 많은 작업을 수행해야 하는 경우도 있으므로 이를 해결하기 위해 컴포넌트 패턴을 이용한다. 컴포넌트 패턴(컴포지션 패턴)미리 만들어진 부품을 조립하여 .. torch.fill_() vs torch.full() torch.fill_() vs torch.full() torch.fill_()과 torch.full()는 둘 다 텐서를 특정 값으로 채우는 역할을 함 torch.fill_()in-place 연산을 수행하는 함수기존 텐서의 모든 값을 특정 값으로 덮어씌움import torchtensor = torch.randn(2, 2) # 무작위 값으로 2x2 텐서를 생성print(tensor)tensor.fill_(3) # 기존 텐서의 값을 모두 3으로 덮어씌움print(tensor) torch.full()새 텐서를 생성하고, 지정한 값으로 모든 요소를 채우는 함수기존 텐서가 아니라 새로 생성한 텐서를 사용함import torchtensor = torch.full((2, 2), 3) # 2x2 크기의 텐서를 생성.. [Paper Review] Question-Based Retrieval using Atomic Units for Enterprise RAG Question-Based Retrieval using Atomic Units for Enterprise RAG논문 주소Goal of the Paper: Enterprise Retrieval-Augmented Generation (RAG) 시스템의 성능을 개선하는 것특히, 문서의 일부를 보다 효율적으로 검색하는 방법을 연구하여, 사용자 쿼리에 대해 더 정확한 문서 조각을 반환하는 것을 목표로 함.이를 통해 잘못된 정보로 인한 오답을 줄이고, LLM(Large Language Model) 기반의 응답 생성을 향상시키고자 함Contribution:문서를 원자적 정보(atomic statements)로 분해하여, 기존보다 더 높은 검색 성능을 달성이때 atomic statements 란, chunk를 개별적인.. 미국 J1 비자 사진 편집기 J1 비자 준비하는데 준비해야 하는 서류도 너무 많고 이거 말고 할 것도 많아서 너무 괴롭 서류 중에 DS-160 서류를 준비하는데 사진이 추가로 필요하다. 근데 여권 사진이 아니라 2inch * 2 inch 크기의 사진이 필요하고 조건도 까다롭다. 비자사진 조건 새로 찍어야 하나 생각했는데 미국에서 사진 수정 tool을 알려줌 https://tsg.phototool.state.gov/photo Photo-tool tsg.phototool.state.gov [Architecture] EVCap: Retrieval-Augmented Image Captioning with External Visual-Name Memory EVCap: Retrieval-Augmented Image Captioning with External Visual-Name MemoryKeywords: Lightweight Image-captioning, Multimodality, Retrieval Augmentation학회: CVPR, Filckr30k, NoCaps, WHOOPSDataset: COCO, LVIS관련 연구: smallCAP진행 일시: 2024년 7월 1일논문 주소: https://arxiv.org/pdf/2311.15879year: 2024논문 요약기존 Image captioning task의 모델은 LLM을 활용함에 따라 파라미터가 많아지면서 open world knowledge를 유지하도록 하는데에 어려움이 있었으며, Retri.. Co2PT: Mitigating Bias in Pre-trained Language Models through Counterfactual Contrastive Prompt Tuning Co2PT: Mitigating Bias in Pre-trained Language Models through Counterfactual Contrastive Prompt Tuningkeywords: Contrastive learning, Language Model, bias mitigationconference: ACL논문링크: https://aclanthology.org/2023.findings-emnlp.390.pdf코드 링크: https://github.com/dongxiangjue/Co2PT발행년도: 2023인용수: 5회적용점: prompt tuning + contrastive learning을 활용한 LM에서의 bias mitigation Abstract언어 모델이 real world appl.. 이전 1 2 3 4 5 6 ··· 36 다음
