아래 페이지에 접속합니다. https://support.google.com/drive/answer/1716222?pli=1&visit_id=21671218840429-5201103124812389733&rd=1 파일 찾기 또는 복구하기 - 컴퓨터 - Google 드라이브 고객센터 도움이 되었나요? 어떻게 하면 개선할 수 있을까요? 예아니요 support.google.com 페이지 하단에서 언어를 한국어에서 영어로 바꿔줍니다. 그리고 request file recovery를 클릭해줍니다. 이름, 성 채워넣고 삭제한지 25일이 안지났으면 yes, 복구하고싶은 파일의 타입(구글 파일들)을 선택해주고 submit 클릭해주면 이메일로 접수가 됩니다. 이메일을 확인해보면 접수 안내 메일이 있습니다. 신청완료되면 메..
영화보러가기전에 아바타1을 먼저 다시 보고 갔다. 영화 보기도 전에 상영시간이 192분이라서 중간에 화장실 안가려고 노력했지만 중간에 한번은 갔다. 집중력이 떨어지는 편이라서 걱정했지만 시간가는줄 모르고 봤다. 사람마다 호불호가 갈리는듯하다. 뒷 사람은 엔딩크레딧 나오기무섭게 지루해 죽는줄 알았다며 투덜대면서 나갔다. 아바타1 볼때도 그래픽이 좋다고 느껴졌었는데 2는 정말 3D로 다시 한번 보고싶을 정도다. 가족영화이고 서사가 굉장히 길다. 그래서 3시간이라는 러닝타임이.. 전투씬 스케일, 스토리 부분에서 조금 아쉬운 부분이 있었지만 나는 아바타2를 지인에게 추천해줄만한 영화라 생각한다. 그리고 꼭 3D로 보길! 그리고 엔딩 쿠키영상은 없었다.
언어 선택 (R vs Python) 둘다 기본적으로 할 수 있는 상황에서 선택 고민만 3일은 했습니다. 데이터포럼 카페에서도 저와 같은 사람이 많았고 대부분의 댓글들이 시험용은 R 업무,범용성은 파이썬이라고 했습니다. 저는 둘다 기초는 있었기 때문에 공식 예제문제를 두 언어로 풀어봤습니다. 여러 사람들이 말했듯이 시험용으론 R이 편하다 느껴졌고 dplyr 덕분에 난이도도 조금 더 쉽다고 느껴졌습니다. 시험환경(구름IDE)에서 R은 에러가 어디서 발생했는지 메시지가 안뜬다는 치명적인 단점이 있지만 '준비한대로 실수만 안하면 되지' 하며 제 자신을 믿고 쭉 R로 연습했습니다. 공식 예제 문제 : https://dataq.goorm.io/exam/116674/%EC%B2%B4%ED%97%98%ED%95%98%..
https://ninestar.notion.site/179620ecaecb4951b62bff060cb8d2fd 케라스 공식문서 한글번역본 A new tool for teams & individuals that blends everyday work apps into one. ninestar.notion.site 출처는 https://www.codeonweb.com/course/9e663a9d-7788-4874-bfd6-987a679fb70e 보기 편하게 Notion으로 새로 작성했다. 하루종일 작업한듯 하다.
https://arxiv.org/pdf/2208.12242v1.pdf 초록 몇개의 이미지로 주요 시각적 특징을 유지하면서 환경과 자연스러운 무수히 많은 이미지를 합성할 수 있다. 방법 특정 개와 해당 클래스 이름의 이미지 3~5개가 입력이 되면 고유 식별자를 인코딩하는 개인화된 텍스트-이미지 모델을 생성한다. 그리고 추론시 고유 식별자를 다른문장에 삽입하여 다른 맥락에서 주제를 합성할 수 있다. 두 단계로 텍스트-이미지 확산을 미세조정 한다. 식별자와 주제가 속한 클래스의 이름과 병행하여 클래스별 사전 보존 손실(Prior Preservation Loss)을 적용한다. 텍스트 프롬프트에 클래스 이름을 삽입하여 대상 클래스에 속하는 다양한 인스턴스를 생성하도록 한다. 입력 이미지 세트에서 가져온 저해상도 ..
import numpy as np from tensorflow import keras import matplotlib.pyplot as plt from tensorflow.keras import layers 데이터 호출 #모델,데이터 파라미터 num_classes = 10 input_shape=(28,28,1) #데이터 (x_train,y_train),(x_test,y_test) = keras.datasets.mnist.load_data() #스케일링 x_train = x_train.astype("float32") /255 x_test = x_test.astype("float32") /255 print(x_train.shape) #shape (28,28,1)으로 변경 x_train = np.expand_..