선생님의 주피터 노트북ui 와 현재 주피터 ui 가 다른것으로확인이 되었는데요 학습하는데는 별 문제가 없을까요 처음 AAPL 데이터를 불러오는 output 에서도 결과치가 다르게 나와 질문드립니다

안녕하십니까. 강의를 들으면서 실습 중 에러가 발생했는데 해결하지 못하고 있습니다.이 셀을 실행했을 때 이런 에러가 발생하고있습니다.혼자 찾아보다가 어려워서 gpt한테 물어보니scipy 1.7.3 으로 다운그레이드scikit-learn 최신버전으로 업그레이드Scikit-learn 및 Scipy 호환 버전 설정코드에서 asmatrix를 numpy.asarray로 대체새로운 가상환경 생성등 5가지의 방법을 알려줬습니다.1, 2, 3번은 현재 사용하고있는 버전과 같아서 넘기고 4, 5번의 방법으로 하는게 맞는지 여쭤보고싶습니다. 아니면 현재 파이썬 3.10 버전을 사용중인데 3.9버전으로 다운그레이드를 하는게 나은지 모르겠습니다.

강의 중 말씀하신 훈련세트를 다시 채우는 과정에서 이미 사용한 샘플을 훈련세트에 채우고 다시 훈련을 하는 식으로 훈련을 반복하는 것인가요?

FeatureMap 단에서는 이 이미지에 대한 정보를 가지고 있지 않은데 어떻게 Bounding Box Regression 이 학습되는지 모르겠습니다. CNN 처럼 Loss 를 기반으로 Back Propagation 과 같이 자동으로 weight가 업데이트 되려면 기준이 있어야 하는데 여기서 FC layer를 거쳐서 레이블이 할당되지 않았음에도 불구하고 어떻게 해당 좌표들이 구해지고 업데이트 되는지 모르겠습니다.

create-react-app my app 실행 시 아래와 같은 에러가 뜹니다. Installing template dependencies using npm...npm error code ERESOLVEnpm error ERESOLVE unable to resolve dependency treenpm errornpm error While resolving: my-app@0.1.0npm error Found: react@19.0.0npm error node_modules/reactnpm error react@"^19.0.0" from the root projectnpm errornpm error Could not resolve dependency:npm error peer react@"^18.0.0" from @testing-library/react@13.4.0npm error node_modules/@testing-library/reactnpm error @testing-library/react@"^13.0.0" from the root projectnpm errornpm error Fix the upstream dependency conflict, or retrynpm error this command with --force or --legacy-peer-depsnpm error to accept an incorrect (and potentially broken) dependency resolution.npm errornpm errornpm error For a full report see:npm error C:\Users\phhyu\AppData\Local\npm-cache\_logs\2025-01-06T07_30_45_069Z-eresolve-report.txtnpm error A complete log of this run can be found in: C:\Users\phhyu\AppData\Local\npm-cache\_logs\2025-01-06T07_30_45_069Z-debug-0.lognpm install --no-audit --save @testing-library/jest-dom@^5.14.1 @testing-library/react@^13.0.0 @testing-library/user-event@^13.2.1 web-vitals@^2.1.0 failed

 9장 추천시스템부터 듣고있는데 전에는 1.0.2버전 설치했다가 강의 들으면서 따라하는 도중 from sklearn.feature_extraction.text import CountVectorizer 가 임포트 안되는 오류가 계속되어서 scikit-learn 삭제 > 버전 지정 안하고 다시 설치 > 정상 작동 에러가 사라져서 좋긴하지만 다른 질문들을 찾아보니 버전은 강의대로 따라가는게 좋다고 하셔서 1.6.0 버전 사용여부 여쭤봅니다.

git hub에서 강의자료 다운로드 한 이후에설명 잘 해주시다가 갑자기 마지막에 바탕화면에 나가보라던데거기서 끝나면 뭐...뭘 해야되죠?설명해주실꺼면 끝까지 해주세요 처음 사용해보는 사람은 당황스럽기만 한데

안녕하세요 강사님,수업자료를 다운로드하려고 하는데 이론 슬라이드 다운로드 링크 연결이 안됩니다.bitly 시스템에서 블락되었다고 뜨는데 확인부탁드려요.

단순히 궁금증이 생긴겁니다.텐서 복사를 보다보니까 판다스 copy()메서드 생각나서 찾아보니판다스에서 COPY()메서드도 깊은복사, 얕은복사(deep 인자가 기본값으로 true)조정이 가능하더라고요(판다스공식문서)  제 질문은 이겁니다. copy()메서드의 deep 인자를 실무에서 조작할 일이 생기나요?

지금은 훈련시에 원본 데이터의 형태가 변형되어 train 이미지의 갯수는 변형되지 않는데 애초에 train 이미지에 data augmentation 을적용하여 갯수 자체를 늘려서 학습시키는 건 좋지 않은가요?

model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1))) 이렇게 쓰기도 했었는데 1. 혹시 activation 을 따로 두게되면 어떤 점이 달라지나요?2. 또한 Conv, BatchNormalization, Activation, MaxPooling2D, Dropuout 이 있다면 순서가 어떻게 되나요?

안녕하세요. 강의 정말 잘 듣고있습니다!다름이 아니라 MMDetection을 다시 공부하던 중 모델 아키텍쳐 부분에서 densehead와 roihead의 차이가 궁금해져서 이렇게 글을 남깁니다.설명에는 densehead와 roihead 모두 object의 위치와 classification을 수행한다고 나와있어서요.. 감사합니다!

강의 후반부에 나온 lecture25에 대한 코드가 강의 자료에 없는 것 같습니다. 혹시 있다면 어디서 받을 수 있나요?

[그랩마켓] axios로 네트워크 통신하기 편 수강 중 질문이 생겼습니다. 강의 중 31초에 보면 Body 부분이 HTML로 되어있는데 그 전까지는 JSON으로 하라고 했다가 갑자기 언급 없이 변경이 돼있어서 HTML로 해야되는지 JSON으로 해야되는지 헷갈립니다.강의 중 4분 10초와 같이 통신 결과, status:200, 화면도 잘 뜹니다. 그런데 data에 화살표가 생기고 누르면 그 아래 products 객체 아래 배열대로 화살표가 생기고 하는데 저는 그냥 data에 값들이 쭉 나열만 되어있습니다. 이 부분을 강의에서처럼 바꾸고 싶습니다.

안녕하세요 , 항상 고생많으십니다.다름이 아니라 , hyperopt 마지막 실습 중에 다음의 코드에서 오류가 발생합니다. hyperopt version도 실습과 같은데, 왜 이런 오류가 발생하는지 몰라서 질문드립니다.from hyperopt import fmin, tpe, Trials trial_val = Trials() best = fmin(fn=objective_func, space=xgb_search_space, algo=tpe.suggest, max_evals=50, # 최대 반복 횟수를 지정합니다. trials=trial_val, rstate=np.random.default_rng(seed=9)) print('best:', best)오류문 --------------------------------------------------------------------------- AllTrialsFailed Traceback (most recent call last) Cell In[21], line 4 1 from hyperopt import fmin, tpe, Trials 3 trial_val = Trials() ----> 4 best = fmin(fn=objective_func, 5 space=xgb_search_space, 6 algo=tpe.suggest, 7 max_evals=50, # 최대 반복 횟수를 지정합니다. 8 trials=trial_val, rstate=np.random.default_rng(seed=9)) 9 print('best:', best) File ~\anaconda3\envs\sklearn_env\lib\site-packages\hyperopt\fmin.py:540, in fmin(fn, space, algo, max_evals, timeout, loss_threshold, trials, rstate, allow_trials_fmin, pass_expr_memo_ctrl, catch_eval_exceptions, verbose, return_argmin, points_to_evaluate, max_queue_len, show_progressbar, early_stop_fn, trials_save_file) 537 fn = __objective_fmin_wrapper(fn) 539 if allow_trials_fmin and hasattr(trials, "fmin"): --> 540 return trials.fmin( 541 fn, 542 space, 543 algo=algo, 544 max_evals=max_evals, 545 timeout=timeout, 546 loss_threshold=loss_threshold, 547 max_queue_len=max_queue_len, 548 rstate=rstate, 549 pass_expr_memo_ctrl=pass_expr_memo_ctrl, 550 verbose=verbose, 551 catch_eval_exceptions=catch_eval_exceptions, 552 return_argmin=return_argmin, 553 show_progressbar=show_progressbar, 554 early_stop_fn=early_stop_fn, 555 trials_save_file=trials_save_file, 556 ) 558 if trials is None: 559 if os.path.exists(trials_save_file): File ~\anaconda3\envs\sklearn_env\lib\site-packages\hyperopt\base.py:671, in Trials.fmin(self, fn, space, algo, max_evals, timeout, loss_threshold, max_queue_len, rstate, verbose, pass_expr_memo_ctrl, catch_eval_exceptions, return_argmin, show_progressbar, early_stop_fn, trials_save_file) 666 # -- Stop-gap implementation! 667 # fmin should have been a Trials method in the first place 668 # but for now it's still sitting in another file. 669 from .fmin import fmin --> 671 return fmin( 672 fn, 673 space, 674 algo=algo, 675 max_evals=max_evals, 676 timeout=timeout, 677 loss_threshold=loss_threshold, 678 trials=self, 679 rstate=rstate, 680 verbose=verbose, 681 max_queue_len=max_queue_len, 682 allow_trials_fmin=False, # -- prevent recursion 683 pass_expr_memo_ctrl=pass_expr_memo_ctrl, 684 catch_eval_exceptions=catch_eval_exceptions, 685 return_argmin=return_argmin, 686 show_progressbar=show_progressbar, 687 early_stop_fn=early_stop_fn, 688 trials_save_file=trials_save_file, 689 ) File ~\anaconda3\envs\sklearn_env\lib\site-packages\hyperopt\fmin.py:593, in fmin(fn, space, algo, max_evals, timeout, loss_threshold, trials, rstate, allow_trials_fmin, pass_expr_memo_ctrl, catch_eval_exceptions, verbose, return_argmin, points_to_evaluate, max_queue_len, show_progressbar, early_stop_fn, trials_save_file) 589 if len(trials.trials) == 0: 590 raise Exception( 591 "There are no evaluation tasks, cannot return argmin of task losses." 592 ) --> 593 return trials.argmin 594 if len(trials) > 0: 595 # Only if there are some successful trail runs, return the best point in 596 # the evaluation space 597 return space_eval(space, trials.argmin) File ~\anaconda3\envs\sklearn_env\lib\site-packages\hyperopt\base.py:620, in Trials.argmin(self) 618 @property 619 def argmin(self): --> 620 best_trial = self.best_trial 621 vals = best_trial["misc"]["vals"] 622 # unpack the one-element lists to values 623 # and skip over the 0-element lists File ~\anaconda3\envs\sklearn_env\lib\site-packages\hyperopt\base.py:611, in Trials.best_trial(self) 605 candidates = [ 606 t 607 for t in self.trials 608 if t["result"]["status"] == STATUS_OK and not np.isnan(t["result"]["loss"]) 609 ] 610 if not candidates: --> 611 raise AllTrialsFailed 612 losses = [float(t["result"]["loss"]) for t in candidates] 613 if len(losses) == 0: AllTrialsFailed:

안녕하세요 강사님! 해당 강의에서 주피터로 코딩을 하는 것 같은데혹시 주피터노트북 대신 코랩으로 실습을 진행해도 문제 없을까요?

안녕하세요.현재 graphviz 버전이 12.2.1까지 나와있는데, 이 버전을 다운 받아도 문제 없이 수업 진행이 가능 한 건가요?

안녕하세요 opencv 필요성을 느껴 찾게 되었습니다.제가 맥북프로 사용하고 있는데 cuda 설치가 안 되는데 설치 안해도 괜찮을까요??

안녕하세요 선생님얼마전 머신러닝 완벽가이드 강좌에 소프트맥스 질문 드렸던 사람입니다.저는 소프트맥스 연산에 대한 하드웨어 가속기 설계 연구를 진행하고 있는 석사 과정생입니다.그 때 남겨주셨던 답변에 대해 답을 드리면, Softmax의 Input 정밀도라는 것은, 마지막 FC layer를 통과한 후, Softmax층의 input으로 들어가는 값에 몇 bit를 할당할 것이냐에 관한 내용입니다. 즉 제가 알고 싶은 내용을 다시 정리해보면 다음과 같습니다. softmax의 input (혹은 output도)에 많은 bit가 할당되면, H/W resource가 커지게 되므로, 모델의 accuracy를 크게 저해하지 않는 수준에서 어느 정도의 정밀도를 유지해야 하는지 알고 싶습니다. 하여 모델에서 softmax input 전에 따로 텐서 안의 값들을 특정 소수점 자리에서 반올림 해주는 함수를 정의해 반올림을 거치거나, 기존의 FP32를 FP16으로 casting을 거치도록 하여 좀 더 낮은 정밀도에서 잘 돌아가는 지 시뮬레이션을 해보는 중이었습니다. 저의 시뮬레이션 내용은 아래에 첨부하겠습니다. (rounding의 경우는 텐서 안의 값들이 제대로 반올림이 안된 것인지, 아니면 다른 이유가 있는 것인지.. 소수점 10번째에서 rounding을 하든, 20번째, 30번째에서 하든 accuracy에 큰 변화가 없고 거의 36프로 정도를 보였습니다.)  또 일반적으로 H/W설계 시에 floating point보다 fixed point가 구현이 훨씬 간단하며, 리소스 사용량이 매우 적은데, 소프트웨어적으로 모델을 학습시킬 때의 데이터는 대부분 float 32 또는 float 64를 이용하는 것 같습니다. 이는 역전파 과정에서 높은 정밀도가 필요하기 때문이 아닐까 싶은데, 모델 학습 시에 fixed point를 사용했을 때 발생할 수 있는 문제점이 있을까요 ? (소수점 10째자리에서 반올림을 하든, 20,30째자리에서 반올림을 하든 이론상으로는 정밀도가 높아질수록 accuracy가 높아져야 될 것 같은데 제 시뮬레이션 상으로는 모두 36프로의 정확도를 보여 코드에 문제가 있는 것인지, 아니면 알고리즘적으로 문제가 있는 것인지 궁금합니다.) 또한, FP16으로 표현 가능한 최대 정밀도의 값들이 훈련 시에 자주 사용되는지, 실제로 필요한 수준의 정밀도인지 궁금합니다.  softmax 층의 input으로 들어가는 logit값(?)들의 range가 어느 정도인지도 궁금합니다. 아마 모델과 사용하는 데이터에 따라 크게 달라질 것 같기는 한데, 제가 읽었던 softmax accelerator관련 논문들에서는 일반적으로 softmax의 input의 range를 [-10,10]으로 가정을 했습니다. (알고리즘 분야가 아닌 하드웨어 논문들이기는 합니다..ㅠㅠ) 허나 실제 학습 시에 floating point를 사용한다는 것은 분명 logit값이 10보다 매우 큰 값이기 때문일 것 같은데 왜 논문들에서는 저런 범위를 가정했는지 궁금하여 든 생각이 혹시 practical한 모델 내에서는 softmax로 들어가기 전에 특정 범위 안으로 들어가도록 전 처리를 해주는 layer가 따로 있는 것인지 궁금했습니다. 또 학습이 점점 진행되면서 logit 값이 학습 후반부로 갈수록 일반적으로 수렴하는 분포(?)가 있는 것인지 궁금합니다.. (epoch별로 logit 값을 출력해보고 싶은데, 아직 코딩에 익숙치 않아 난항을 겪고 있습니다)본질적으로 softmax를 사용하는 이유가 궁금합니다.. multi classification에서 결국 하나의 class로 분류하는 것이 목적인데, 그러면 최종 logit값들 중 가장 큰 값을 선택하면 되는데 왜 굳이 softmax를 통해 확률 분포를 만든 후에 가장 높은 확률의 class로 선택하는지가 궁금합니다. (어차피 softmax를 취한 후의 maximum이나 취하기 전의 maximum이나 같을텐데)( 시뮬레이션 내용 ) 지난 번의 코드는 깃헙에서 임의로 가져온 코드라 조금 더 제대로 된 코드로 실습하고자 이번에는 선생님의 강의 자료인 VGG_Practice 실습 코드를 이용했습니다. 실습 코드의 모델 정의 부분에서 소프트 맥스 layer 직전에 rounding, 혹은 casting하는 부분을 추가한 것 외에 달라진 점은 없습니다.그림 1: float 16그림 2. float 16 결과그림 3. rounding (소수점 10째자리에서 반올림)그림 4. rounding 결과회로 설계 관련 연구를 진행하다 보니 AI 알고리즘에 대한 지식이 부족하여 다소 난해하게 질문드리게 된 점 정말 죄송합니다.. 또 하드웨어적 관점에서 생각하다보니 알고리즘 부분과는 다소 동떨어진 질문이 있을 수도 있을 것 같은데, 그런 부분이 있다면 죄송합니다 ㅠㅠ몇 년전, 동아리 활동을 하면서 머신러닝에 관심을 갖게 되어 선생님의 강의를 수강하고, 잘 공부했었던 기억이 있어 이렇게 다시 찾아 질문 드리게 되었습니다.긴 내용 읽어주셔서 감사드립니다..

  안녕하세요 !주신 자료 너무 유익하게 잘보고 있습니다.공부하던중 질문한가지가 있습니다.Entropy의 개념인데요. 저는 Entorpy를 불확실성 uncertainty라고 이해하고 있었는데요.불확실성이 높을수록 high entropy를 보인다.예를들어 coin flip의 경우 앞뒤가 모두 0.5 probability를 가지고 있기때문에 결과에 대해서 불확실하기 때문에 high 엔트로피를 보인다라고 생각하고 있었는데요. 말씀해주신 정보량 측면에서 이해하고 답변하는게 더 좋을까요?관점이 좀 다른듯한데요. 어떤게 맞을지 문의드립니다.감사합니다.