컴포넌트가 unmount될때 해당 컴포넌트에서 관리하는 state도 함께 사라지는건가요?컴포넌트가 리랜더링될때 해당 컴포넌트에서 관리하는 state는 여전히 유지되나요?부모컴포넌트가 리랜더링 될때 자식컴포넌트도 리랜더링 되는 건 알고있는데요, 이때 자식컴포넌트가 unmount됐다가 리랜더링되나요? ps) 질문이.. 뭔가 너무 당연한 것 같다는 생각도 드네요..?

leftSectionWrapper와 rightSectionWrapper를 중앙 정렬시키기 위해 각각에 flex-grow: 1 을 주셨는데container에 margin: 0 auto 주는 것과 동일한건지 궁금합니다!

안녕하세요 <다형성과 캐스팅>을 듣다 질문이 생겨서 남겼습니다. package poly.basic; public class CastingMain1 { public static void main(String[] args) { //부모 변수가 자식 인스턴스 참조(다형적 참조) Parent poly = new Child(); //x001 //단 자식의 기능은 호출할 수 없다 //poly.childMethod(); //다운캐스팅(부모 타입 -> 자식 타입) Child child = (Child)poly; //x001 child.childMethod(); } } <참고로 캐스팅을 한다고 해서 Parent poly의 타입이 변하는 것은 아니다. 해당 참조값을 꺼내고 꺼낸 참조값이 Child 타입이 되는 것이다. 따라서 poly의 타입은 Parent로 기존과 같이 유지된다>이 부분을 해당 참조값(x001)을 꺼내고 꺼낸 참조값을 사용해 인스턴스 안에서 실행할 타입을(Parent -> Child) "나는 Child 클래스부터 시작해서 기능을 찾을거야~" 라고 컴파일러에게 알려준다. 따라서 poly의 타입은 Parent로 기존과 같이 유지된다. 이렇게 이해하면 될까요? "꺼낸 참조값이 Child 타입이 되는 것이다." 여기 해석이 조금 어렵습니다 !...  

17강 그룹함수에 9:15 에 나오는 커미션을 받는 사원들의 커미션 평균을 구하는 문제 인데요 select trunc(avg(comm))from emp;답은 이해가 가는데 comm이 null 인 사람들을 제외하고 4명의 값을 구하려면 select comm is null, trunc(avg(comm))from emp; 이렇게 해서 null인 사람을 먼저 빼놓고 그후에 avg()함수를 사용해서 평균을 구해도 상관 없나요?

영한님 안녕하세요!좋은 강의 올려주셔서 감사합니다 🙂 빨리 중급편도 수강하고 싶은데, 혹시 중 - 고급은 언제쯤 오픈 예정이실까요?

[질문 템플릿]1. 강의 내용과 관련된 질문인가요? (예)2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예)3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예)[질문 내용]설정에서 계속 막혀서 진행이 안 됩니다. 자주 하는 질문 파일에 나온 방법대로 올리면 확인 해주실 수 있나요

현재 제 상황은 강사님께서 설명해주시는 내용은 모두 이해가 되는 상태입니다!!일단은 강사님이 말씀해주신대로 복습 3 / 진도 7 비율로 강의 전체를 2~3번 정도 반복해서 본 뒤에 혼자서 문제를 깊이있게 풀어보는 식으로 공부를 하는데 이것도 괜찮은 방법일까요??

SIL Kit: SIL Kit Registry process could not be started. 에러가 뭘까요?ㅠㅠ

질문 있습니다.강의 자료를 보면 "@Transactional 애노테이션이 특정 클래스나 메서드에 하나라도 있으면 트랜잭션 AOP는 프록시를 만들어서 스프링 컨테이너에 등록한다" 라고 되어 있습니다. (11페이지 마지막줄) 그런데 서포터님의 답변 중 강의 자료와 조금 다르게 해석되는 말씀이 있어 질문 드립니다. 저는 @Transactiona이 있으면 생성과 스프링 빈 등록까지 해주는 것으로 이해했는데, 그게 아니라 프록시 객체 생성까지만 하고, 스프링 빈 등록은 따로 해줘야 하는 건가요??

     버전 3으로 build.gradle 설정하면 compileQuerydsl이 안보이고부트 버전2의 build.gradle에 있는 plugin을 추가하면 compileQuerydsl이 생겨요그냥 없이 해도 되나요?

안녕하세요 회사에서 스프링부트 3.0이상 버전으로 프로젝트를 만드려고합니다. 스프링에 관련된 로드맵이 많이 있더군요 그 중 김영한님 강의가 포함된 로드맵이 아래 3가지 정도 되던데요 우아한형제들 최연소 기술이사 출신 김영한의 스프링 완전 정복 김영한의 스프링 부트와 JPA 실무 완전 정복 로드맵 자바 개발자를 위한 대단한 스프링 부트 프로젝트는 스프링은 사용하지 않고 스프링부트만 사용할 생각입니다. 이런 상황에서 어떤 로드맵을 듣는 것이 좋은가요? 만약 두개 이상을 들어야 한다면 어떤 순서로 학습하는 것이 좋을지도 궁금합니다. 만약에 로드맵의 일부분만 듣는 것이 좋다면 어떤 내용을 학습하면 좋을지도 말씀해주시면 감사하겠습니다.  

안녕하세요.  mistral 과 llama2를 사용해서 embedding vector를 통해 챗봇을 구현하고 있습니다. 기존 모델로 embedding vector를 구하면 답변 검색이 잘 되지 않아서 파인튜닝을 한 후에 embedding vector를 구하려고 합니다. 학습과정에서 알려주신 대로 mistral 과 llama2의 fine tuning을 완료 했습니다. fine tuning한 모델에서 generate는 잘 동작하나, embedding vector가 생성이 되질 않아 질문 드립니다. 기존 모델을 통한 임베딩 방식은 다음과 같습니다.  seq_ids = tokenizer(text, return_tensors='pt')["input_ids"]embedding = model(seq_ids)["last_hidden_state"].mean(axis=[0,1]).detach().numpy()기존 원본 모델에서는 'last_hidden_state' 값을 통해서 계산하지만fine tuning한 모델에서는 'logits' 값만 존재 합니다.  - 원본 모델 리턴값 :             odict_keys(['last_hidden_state'])- fine tuning 모델 리턴값 : odict_keys(['logits'])  그래서 파인튜닝한 모델을 보면 Peft 와 Lora로 한번 레이어로 감싼 형태로 리턴되서 그럴꺼라 추측하는데요.기존 모델 MistralForCausalLM( (model): MistralModel( (embed_tokens): Embedding(46081, 4096, padding_idx=2) (layers): ModuleList( (0-31): 32 x MistralDecoderLayer( (self_attn): MistralAttention( (q_proj): Linear(in_features=4096, out_features=4096, bias=False) (k_proj): Linear(in_features=4096, out_features=1024, bias=False) (v_proj): Linear(in_features=4096, out_features=1024, bias=False) (o_proj): Linear(in_features=4096, out_features=4096, bias=False) (rotary_emb): MistralRotaryEmbedding() ) (mlp): MistralMLP( (gate_proj): Linear(in_features=4096, out_features=14336, bias=False) (up_proj): Linear(in_features=4096, out_features=14336, bias=False) (down_proj): Linear(in_features=14336, out_features=4096, bias=False) (act_fn): SiLUActivation() ) (input_layernorm): MistralRMSNorm() (post_attention_layernorm): MistralRMSNorm() ) ) (norm): MistralRMSNorm() ) (lm_head): Linear(in_features=4096, out_features=46081, bias=False) ) 파인튜닝한 모델 PeftModelForCausalLM( (base_model): LoraModel( (model): MistralForCausalLM( (model): MistralModel( (embed_tokens): Embedding(46081, 4096, padding_idx=2) (layers): ModuleList( (0-31): 32 x MistralDecoderLayer( (self_attn): MistralAttention( (q_proj): Linear4bit( in_features=4096, out_features=4096, bias=False (lora_dropout): ModuleDict( (default): Dropout(p=0.05, inplace=False) ) (lora_A): ModuleDict( (default): Linear(in_features=4096, out_features=16, bias=False) ) (lora_B): ModuleDict( (default): Linear(in_features=16, out_features=4096, bias=False) ) (lora_embedding_A): ParameterDict() (lora_embedding_B): ParameterDict() ) (k_proj): Linear4bit(in_features=4096, out_features=1024, bias=False) (v_proj): Linear4bit( in_features=4096, out_features=1024, bias=False (lora_dropout): ModuleDict( (default): Dropout(p=0.05, inplace=False) ) (lora_A): ModuleDict( (default): Linear(in_features=4096, out_features=16, bias=False) ) (lora_B): ModuleDict( (default): Linear(in_features=16, out_features=1024, bias=False) ) (lora_embedding_A): ParameterDict() (lora_embedding_B): ParameterDict() ) (o_proj): Linear4bit(in_features=4096, out_features=4096, bias=False) (rotary_emb): MistralRotaryEmbedding() ) (mlp): MistralMLP( (gate_proj): Linear4bit(in_features=4096, out_features=14336, bias=False) (up_proj): Linear4bit(in_features=4096, out_features=14336, bias=False) (down_proj): Linear4bit(in_features=14336, out_features=4096, bias=False) (act_fn): SiLUActivation() ) (input_layernorm): MistralRMSNorm() (post_attention_layernorm): MistralRMSNorm() ) ) (norm): MistralRMSNorm() ) (lm_head): Linear(in_features=4096, out_features=46081, bias=False) ) ) ) fine tuning을 한 모델에서는 embedding vector 를 구하는게 불가능한건가요? +추가 model.merge_and_unload() 를 써봤지만 소용없었습니다.  

 안녕하세요 강사님 항상 좋은 강의 감사드립니다.기본형과 참조형 문제와 풀이 첫 번째 부분에서 부분적으로 이해되는 부분이 있었고 이해가 안되는 부분이 있었습니다. 그리고 완성된 코드를 보고 나름대로 분석을 해보았습니다.분석을 하면서 배웠던 내용에 대한 회상이 있었습니다.분석에 대한 오류나 이런 부분에 있어서 틀린 부분이 있는지 여쭤보고 싶습니다..그리고 배웠던 내용을 기반으로 응용된 문제나 기능을 직접 코드로 작성해보고 싶은데 "이러이러한 기능을 써야지" "배열을 통해서 응용해야지" 이런 문제 해결에 대한 부분은 어떻게하면 조금 더 효율적인 설계를 할 수 있는지 여쭤보고 싶습니다. 

보통 axis 사용시axis = 0(행)axis = 1(열) 로 알고있는데sum(axis=1)이 행인거 같더라구요이런 것들이 뭐가 더있을까요?

질문이 있으신 학생은fxsound119@gmail.com 으로 문의 주시면 답변 드리도록 하겠습니다.추푸 오픈채팅방을 만들게 되면 채팅방 입장코드 공유해 드리도록 하겠습니다.안녕하세요~어렵지만 열심히 수업을 따라가 보고 있습니다바닥 재질별 발자국 소리 다르게 만들기->요 수업을 듣고 있는데여기서는 MetaSound를 사용하지 않고 SoundCue를 사용하여 수업을 하셨는데..특별한 이유가 있는건가요?

깃 파일 받아서 바로 실행시켜보고 싶은데혹시 건드려야할 코드가 있을까요?

[질문 내용]자바 입문자바 기본 두 강의의 수업자료명이 java-basic-vYYYYMMDD로 동일해 혼동이 생깁니다 강사님! (의도하신건지는 모르겠지만) 조심스레 건의해봅니다..!

안녕하세요! 수업중 궁금한 부분이 있어 문의 드립니다.  self.encoder = nn.Sequential( nn.Conv2d(1, k, 3, stride=2), # 흑백 이미지로 체널이 1개, 나머지는 임의로 설정 nn.ReLU(), nn.Conv2d(k, 2*k, 3, stride=2), nn.ReLU(), nn.Conv2d(2*k, 4*k, 3, stride=1), nn.ReLU(), Flatten(), nn.Linear(1024, 10), nn.ReLU() nn.Linear(1024, 10) 이 부분에서, MNIST의 경우 미리 계산하면 1024가 나온다고 말씀 주셨는데요, 어떻게 계산해야 하는건지 알 수 있을까요? 또한, 이 수치를 코드 작성자가 꼭 계산해서 넣어줘야 하는지도 궁금합니다! 크기(1024)를 코드로 출력해서 확인해 보는 방법이나, 저 부분에 1024 크기가 계산되어 들어가도록 코드를 작성할 수도 있을까요?

Wordpress 6.4.2. 버전을 쓰고 있습니다. 아무리 봐도 포스트를 수정할 때마다 강사님이 갖고 계신 미리보기 상단 바가 나오지 않습니다.어떻게 해야 하나요?

행 또는 컬럼 삭제 / count 사용할 때 axis 구분이 들어가는데요.행 또는 컬럼 삭제 시 axis =0 : 행 삭제 / axis = 1 : 컬럼 삭제 인데,count 내장함수 사용 시 axis = 0 : 컬럼 기준 / axis = 1 : 행 기준 으로 확인이 되는데axis의 구분 사용 방법을 경우에 따라 다르게 사용해야 하는건지아니면 일반적인 규칙이 정해져있는 건지 궁금합니다.삭제 시 행, 컬럼 구분과 count 사용 시 행, 컬럼 구분이 다른 것 같아서 문의드립니다.