모클샌스 모임에서 진행하는 '스웨덴 독서법'으로 책 읽어보기! [스웨덴 독서법] 1. 전체 내용 간단하게 읽기 - 대충 읽으면서 책이 어떤 내용인지 파악해본다. 2. 각 '장'별로 이해한 내용을 다른 사람과 공유하기 - 자신이 이해한 내용을 공유하면서 자기만의 서사를 만들어본다. 3. 상세하게 읽기 - 저자가 말하려고 하는 부분이 느껴지는 '순간의 생각'을 순차적으로 정리하며 '생각의 이음' 방식으로 읽고, 챕터가 마무리되는 시점에 기억에 의존하여 메모하며 읽는다. 1. 전체 내용 간단하게 읽기 1.의식의 수준 의식의 정의는 무엇이며, 의식을 가지는 것은 누구인가?이 대해 말하고 의식이 어떻게 발생하는지에 대한 다양한 방법론을 설명한다. 의식의 실재적 문제(의식을 어떻게 설명하고 예측하고 제어하는지)를 ..

‘더 글로리’ 드라마가 재밌다고 느끼는 요소 중 하나가 기억에 남는 대사들인데, 이러한 명대사들을 이용하여 다양한 컨텐츠를 AI로 생성해봤다. [작사] 동은의 분노가 정말 잘 느껴지는 대사다. 얼마나 그 사람을 증오하면서 생각하고 복수를 꿈꾸면 그리움과 닮았다고 생각하게 되는 걸까. 이처럼 기억에 남는 대사를 주제로 가사를 만들면 어떨까? https://rytr.me/ Rytr - Best AI Writer, Content Generator & Writing Assistant Rytr just works, every time and the writing environment is really nice After testing dozens of the new ai copywriting tools, I fe..

1. pip install konlpy 2. mecab-ko * mecab 홈페이지에서 최신 버전 확인 후 다운로드 wget https://bitbucket.org/eunjeon/mecab-ko/downloads/mecab-0.996-ko-0.9.2.tar.gz tar xvfz mecab-0.996-ko-0.9.2.tar.gz cd mecab-0.996-ko-0.9.2 ./configure make make check sudo make install 3. mecab-ko-dic (경로 옮기지 말고 위의 경로에서 그대로 진행) * mecab 홈페이지에서 최신 버전 확인 후 다운로드 wget https://bitbucket.org/eunjeon/mecab-ko-dic/downloads/mecab-ko-dic..

pytorch seed 고정 random_seed = 530 torch.manual_seed(random_seed) torch.cuda.manual_seed(random_seed) torch.cuda.manual_seed_all(random_seed) # if use multi-GPU torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False np.random.seed(random_seed) random.seed(random_seed) tensorflow seed 고정 SEED = 50 os.environ['PYTHONHASHSEED'] = str(SEED) os.environ['TF_DETERMINISTIC_OPS']..

PROC PROC = { 'logging_precision': 5, # 결과 저장시 반올림 소수점 n번째에서 반올림 'model_dir': BASE['root_dir'] + "saved{_}".format(_=_), # 모델 파일, 시각화 자료 저장 경로 'visualization_epoch': 50, # 시각화 빈도 (애폭마다 시각화 수행) 'save_epoch': 10 # 저장 빈도 (에폭마다 모델 저장) } proc은 Processor의 줄임말로, 다양한 모델들의 학습/테스트를 수행하는 함수인 fit()과 추론을 수행하는 함수인 predict() 등을 수행하는 클래스 집합입니다. 현재 지원하는 프로세서는 총 4가지로 아래에서 자세하게 설명합니다. from abc import abstractmetho..

2 Source Corpora 벤치마크 설정 시 흔히 사용되는 기존 데이터셋을 함께 구성하지 않고 KLUE를 처음부터 구축한다. 우리는 사용 가능한 텍스트 리소스를 조사하고 과정을 문서화하여 일부 corpora만 선택하는 방법과 이유를 더 잘 이해할 수 있도록 한다. 우리는 최근에 제안된 문서 프레임워크, 데이터시트 및 데이터 설명을 채택한다. 이러한 프레임워크를 기반으로 protocol을 자세히 설명하는 데 필요한 추가 정보를 문서화 및 제공한다. 2.1 Corpora Selection Criteria 우리는 작업별 corpora가 파생되고 주석이 달린 corpus 자료를 구축하기 위해 corpora를 소싱할 때 두 가지 기준을 고려한다. 첫 번째 기준은 접근성이다. KLUE의 주요 목적은 향후 NLP..