practical AI (12) 썸네일형 리스트형 대표 생성형 AI, SUNO & Midjourney 하이퍼파라미터 정리 대표 생성형 AI, SUNO & Midjourney 하이퍼파라미터 정리2. Midjourney(미드저니) 웹 인터페이스Midjourney의 웹 인터페이스는 '프롬프트 바(Prompt Bar)'를 중심으로 좌우에 배치된 설정 패널과 이미지 관리 도구로 구성된다. 이 인터페이스는 텍스트 명령어의 추상성을 시각적 조작의 직관성으로 치환하려는 설계 철학을 반영한다. 2.1. 생성 환경의 기초 설정 (Global Configuration Settings)웹 인터페이스의 '설정(Settings)' 패널은 모든 프롬프트에 기본적으로 적용되는 전역 변수들을 제어한다. 이는 사용자가 매번 명령어를 입력하는 수고를 덜어줄 뿐만 아니라, 작업의 일관성을 보장하는 베이스라인 역할을 한다. 2.1.1. 이미지 비율 및 크기 (.. 프로젝트 종류별 GPT API 하이퍼파라미터 설정 프로젝트 종류별 GPT API 하이퍼파라미터 설정매개변수 종류https://oreil.ly/_s_we주요 파라미터 설정내용과 스타일이 일관적이여야 하는 경우 > temperature, top_p 낮게예시: 코드 생성, temp=0.1, top_p=0.1객관적 사실이 중요한 출력 > temp 높게, top_p 낮게예시; 챗봇 응답, temp=1, top_p=0.1창의성이 필요한 출력 > 둘다 높게예시: 창의적 글쓰기, temp=1.2, top_p=0.5 [wikidocs transformers] 1. 자연어처리와 transformer의 pipeline() [wikidocs transformers] 1. 자연어처리와 transformer 자연어처리(nlp)란 말그대로 human language와 관련된 모든 것을 이해하는데 중점을 둔 언어학, 기계학습의 분야이다. 이때 자연어처리는 단일 단어를 개별적으로 이해하는 것은 물론 문장의 문맥을 이해하는 것도 목표로 한다. 자연어처리 작업의 종류로는 문장 분류(감성 분석, 스팸판단 등), 단일 문장 내 단어 분류, 텍스트 생성(번역, 요약, 마스킹 단어 완성 등), 텍스트 내 정답 추출 등이 있다. 또한 text에만 국한되는 것이 아닌 오디오 스크립트나 이미지 설명과 같은 음성인식, CV 영역의 문제도 해결할 수 있다. 이러한 자연어처리 작업을 수행하는데 있어 매우 유용한 라이브러리가 바로 HuggingFace의 .. [TFX 스터디 4주차] 연습 프로젝트 세부사항 결정 [TFX 스터디 4주차] 연습 프로젝트 세부사항 결정 박찬성님의 TFX tutorial을 바탕으로 이를 다른 모델에 적용해보는 연습용 프로젝트를 10월동안 하기로 했다. 레포도 만들었다~ GitHub - hongseoi/TFX_Pipeline: TFX를 활용한 LSTM모델의 Text Data 감성분석 Pipeline 제작 Project TFX를 활용한 LSTM모델의 Text Data 감성분석 Pipeline 제작 Project - GitHub - hongseoi/TFX_Pipeline: TFX를 활용한 LSTM모델의 Text Data 감성분석 Pipeline 제작 Project github.com task는 텍스트 데이터 감성분류, 모델은 LSTM을 하려고 한다. 잘 돌아가기만 하면 되기 때문에 무난한 .. [TFX 스터디 3주차] 기존 프로젝트 분석 및 목표 [TFX 스터디 3주차] 기존 프로젝트 분석 및 목표 박찬성님의 깃허브 레포를 보고 TFX 프로세스를 파악한 뒤 다른 모델에 적용해보기로 했다. https://github.com/deep-diver/semantic-segmentation-ml-pipeline GitHub - deep-diver/semantic-segmentation-ml-pipeline Contribute to deep-diver/semantic-segmentation-ml-pipeline development by creating an account on GitHub. github.com 코드를 보며 느낀 점 README.md에 설치 관련 안내가 있는데 이걸 보고 main으로 가장 먼저 봐야 할 부분이 local_runner.py라는 .. NLP Frameworks: Hugging Face 기본 사용법 NLP Frameworks: Hugging Face 세상에는 하루가 갈수록 수많은 NLP 모델들이 쏟아져 나오고 있다. 이러한 모델들을 직접 짜보는 것은 실력 향상에 도움이 되지만, 시간적/자원적으로 매우 힘든 일이다. 그리고 논문과 함께 공개된 리서치 코드를 이용해 모델을 사용할 수는 있지만, 프로젝트마다 코드 스타일이 다르고 서로 다른 딥러닝 프레임워크(텐서플로우 or 파이토치)를 사용하기 때문에 이 점에 있어서도 모델 사용에 어려움이 있다. 이러한 문제점들을 해결해주는 것이 바로 NLP Framework이다. framework란 프로젝트의 뼈대를 이루는 클래스와 인터페이스의 집합으로 이를 이용해 손쉽게 다양한 응용 프로그램을 제작할 수 있다. 대부분의 NLP framework들은 태스크나 데이터셋,.. [TFX 스터디 1주차] TFX 프레임워크를 활용한 머신러닝 워크플로우 개요 [TFX 스터디 1주차] 살아 움직이는 머신러닝 파이프라인 설계 CH1~4 스터디 참여 계기 그동안 머신러닝을 책으로 배웠는데 실전 서비스 등에서 사용되는 머신러닝의 경우 책에서 배운 것과 차이가 있다는 것을 느꼈다. 예를 들어, 하나의 ipynb 파일에 전체적 프로세스를 작성하도록 하게 하는데, 실전에서 모델을 제작할 경우 새로운 데이터가 추가됨에 따라 모델의 재학습이 필요하고 이러한 재학습을 위해서는 기존에 배웠던 내용만으로는 부족함이 있다. 그리고 이번 학기 캡스톤 디자인 과목을 수강하면서 AI 기반 웹서비스를 제작하려고 하는데 현재 지식만으로는 부족함이 있다고 느껴 TFX 스터디에 참여하게 되었다. TFX TFX는 Tensorflow Extended의 약자로, 텐서플로우 기반의 머신러닝 파이프라인.. [chatGPT Prompting] 데이터 구조화하기 [chatGPT Prompting] 데이터 구조화하기 chatGPT를 사용하는 방법 중 하나는 데이터를 테이블로 정리하는 것이다. 예를 들어, 비즈니스 리포트나 뉴스 기사들을 요약해서 스프레드시트나 데이터베이스에 넣는 작업을 chatGPT를 이용해 빠르게 할 수 있다. In a recent business report presentation, the CEO of Zana Corp. highlighted their remarkable growth in the past fiscal year. She shared that the company experienced a 15% increase in revenue, reaching $50 million, with a 12% profit margin ($6 mill.. 이전 1 2 다음
