22강에서 VIDEO생성하는 부분학습하고 있습니다. 이미지가 히틀러 관련 주제 였는데 이미지 생성 하고 결과 조회시에 아래와 같은 정책 위반 오류가 발생했습니다. 이럴땐 어떻게 조치해야 될런지요... 422 - "{\"detail\":[{\"loc\":[\"body\"],\"msg\":\"The content could not be processed because it contained material flagged by a content checker.\",\"type\":\"content_policy_violation\",\"url\":\"https://docs.fal.ai/errors#content_policy_violation\",\"input\":{\"prompt\":\"Inside a dimly lit war room, intense arguments flare as military officers and advisors violently clash over maps and documents, the scene pulsing with tension and the weight of inevitable internal conflict, drenched in deep chiaroscuro lighting.\",\"image_url\":\"https://v3b.fal.media/files/b/zebra/QGA_ooZI7RjL8iuu8VJmp_image.webp\",\"duration\":\"5\",\"aspect_ratio\":\"16:9\",\"negative_prompt\":\"blur, distort, and low quality\",\"cfg_scale\":0.5}}]}" #입력값 { "prompt": "Inside a dimly lit war room, intense arguments flare as military officers and advisors violently clash over maps and documents, the scene pulsing with tension and the weight of inevitable internal conflict, drenched in deep chiaroscuro lighting.", "image_url": "https://v3b.fal.media/files/b/zebra/QGA_ooZI7RjL8iuu8VJmp_image.webp", "duration": "5", "negative_prompt": "blur, distort, and low quality", "cfg_scale": 0.5 } #결과값 { "detail": [ { "loc": [ "body" ], "msg": "The content could not be processed because it contained material flagged by a content checker.", "type": "content_policy_violation", "url": "https://docs.fal.ai/errors#content_policy_violation", "input": { "prompt": "Inside a dimly lit war room, intense arguments flare as military officers and advisors violently clash over maps and documents, the scene pulsing with tension and the weight of inevitable internal conflict, drenched in deep chiaroscuro lighting.", "image_url": "https://v3b.fal.media/files/b/zebra/QGA_ooZI7RjL8iuu8VJmp_image.webp", "duration": "5", "aspect_ratio": "16:9", "negative_prompt": "blur, distort, and low quality", "cfg_scale": 0.5 } } ] }
Order 서비스에서 Command가 실행되면 ORDERS_EVENT에 이벤트가 저장되고 Query가 실행되면 ORDER_EVENT에서 이벤트를 읽어 데이터의 최종상태를 읽는다는것으로 이해했는데요..! 그렇다면 ORDERS 테이블은 실질적으로 사용되지 않는다고 이해하면될까요..?
작업형 2에서 만약 회귀 문제이고 평가지표가 RMSE라면, 점수를 매길때 RMSE값으로 점수를 매기는건가요? 만약 그렇다면 어느정도로 차이가 나야 잘 나온건지 가늠이 안갑니다,, 선생님의 답이 RMSE값이 825일때, 제가 구한값이 800~850정도라면 평가가 잘된거라고 봐도 될까요
Pageable 인터페이스와 @PageableDefault 를 컨트롤러부터 사용하면 편하게 작업할 수 있을 것이라고 생각하고 있습니다. 그런데 spring-data에서 제공하는 것들이라 컨트롤러나 애플리케이션(서비스)에서 사용하면 안 될 것 같아서 새롭게 객체를 정의해서 사용해야 하는 것인가라는 생각이 드는데요. 한편으로는 유틸느낌으로 사용해도 되지 않을까라는 생각이 들기도 합니다. 실제로 @PageableDefault 이것은 org.springframework.data.web 패키지에 들어있어서 web계층을 대상으로 만들어진 것 같구요 어떤식으로 풀어나가야 할까요? 추가적으로 Http interface를 사용하기 위해 @HttpExchange을 사용할 경우 required패키지 인터페이스에 바로 붙여서 사용해도 무방한걸까요?
예제로 만들어주신 데이터에서 추가적으로 데이터를 변경하여 테스트를 하고 싶은데요 아래 데이터를 가져 올 수 있을가요? Fred에서 제공하는 지표 코드 Yahoo 에서 제공하는 지표와 티커 나스닥 100의 티커 해당 정보를 어떻게 가져오는지 알아야 추후- 응용하면서 사용할 수 있을것 같습니다. 감사합니다.
2번 문제를 풀다가 sum을 쓰는 방법에 대해서 궁금한 점이 있어 문의 드리빈다. 저는 print((a.sum(axis=1) > 0.1).sum()) 이렇게 풀었는데, 선생님께서는 print(sum(a.sum(axis=1) > 0.1)) 이렇게 푸셨더라구요. 답은 같은데, 두 방법의 차이가 있을까요?
안녕하세요, score 기반 서치를 할 때 특정 유사도 미만이면 결과를 출력해주지 않았는데요 물론.... 프로젝트의 종류, 성질에 따라 다르지겠지만, 보통 스코어가 0.X 이상일 때 부터 그나마 관련이 있는 문서여서 사용자에게 보여줘도 된다 ! 라는 그런 수치가 혹시 있을까요? 본 강의에서는 0.6이라고 정의를 하셨는데 실제 도입할 때는 몇으로 하는지 궁금합니다
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 자료형 1을 푸는데 df에 덮어쓴 수식이 잘못되서 시험에서 제공하는 처음 데이터 상태로 되돌릴 수는 없나요?
두 가지 질문이 있습니다. 1. 아래 코딩부분 강의에서는 유형별로 0,1 로 나오는데 제꺼는 true, false 로 나옵니다. 문제 없는건가요? 왜 다르게 나오는지 알고싶습니다. #원핫인코딩 df2 = pd.get_dummies ( df ) df2.head () model.summary 했을 때 나오지 않은 유형(강의에서는A)를 drop하면 되는건가요? 전부 다 나온다고 하면... 어떤 기준으로 드롭해야할까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요! 기출2회 작업형1 2번문제 문의드립니다. std1과 std2가 같게 나왔는데, 한번에 돌리다보니 덮어써진 것 같습니다. 질문들을 찾아보니 코드를 다시 쓰면 된다고 답변을 다셨던데, 어디에 어떤 코드를 쓰면 될까요? 그리고 처음 std1을 찾을 때도 강의와는 다른 값이 나오던데, 이거는 이유가 있을까요?
안녕하세요, 강의 너무나 잘 듣고 있습니다. 다름이 아니라 지금 제가 듣고 있는 mm_faster_rcnn_train_kitti를 다루고 있는 수업에서 old colab버전과 new kaggle 버전을 비교하는 과정에서 차이가 있는데, 이것이 저와 같이 컴뷰터 비전이 처음인 사람들에게 너무 큰 이슈여서 강사님께 이 부분을 개선시키면 어떨까 제안드리고픈게 있어서 제보드립니다. old colab 버전에는 ms coco데이터셋의 annotation 버전에서 변환한 mmdetection의 중립데이터형태 (mid point)에 대한 텍스트와 이미지를 활용한 설명이 꽤 자세하게 들어가 있는데, kaggle버전으로 넘어오면서 이 셀이 통째로 사라진듯하여 kaggle 버전에도 이것을 넣어주시는건 어떨까요? 강의를 봐도 이해가 가지 않아 여러번 돌려보다가 찾아서 제보드립니다 .
