최신글
-
딥러닝(Deep Learning)
[DL/딥러닝] Cross Attention
-
AI Art 모음
[AI Art & Prompt] 아르누보(artnovuschroma)
-
AI Art 모음
[AI Art & Prompt] 생생한(vivid)
-
AI Art 모음
[AI Art & Prompt] 어드벤처 타임 스타일(Adventuretime Style)
-
AI Art 모음
[AI Art & Prompt] 하프톤(halftone)
-
AI Art 모음
[AI Art & Prompt] 메이플스토리 스타일(Maplestory Style)
-
AI Art 모음
[AI Art & Prompt] 판타지 마법fantasy_wizard)
-
AI Art 모음
[AI Art & Prompt] 아케인 스타일(Arcane Style)
인기글
-
딥러닝(Deep Learning)
[DL/딥러닝] Cross Attention
크로스 어텐션 완전 정복 🧠딥러닝 멀티모달 모델에서 빠질 수 없는 핵심 메커니즘👉 크로스 어텐션이란?크로스 어텐션(Cross Attention)은 트랜스포머(Transformer) 모델에서 사용되는 어텐션 메커니즘 중 하나로, 서로 다른 두 시퀀스 간의 관계를 학습하기 위해 사용됩니다. 예를 들어, 하나의 입력이 텍스트이고, 다른 하나가 이미지인 경우 각각을 독립적으로 인코딩한 후, 두 정보 간의 연관성을 계산하여 상호 작용하는 데 사용됩니다.🧩 왜 크로스 어텐션이 필요한가요?셀프 어텐션(Self Attention)은 한 시퀀스 내 토큰들 간의 관계만 파악합니다. 그러나 실생활 문제에서는 서로 다른 입력 간의 정보 교환이 필요할 때가 많습니다.기계 번역에서 입력 문장(인코더)과 출력 문장(디코더)이..
-
AI Art 모음
[AI Art & Prompt] 아케인 스타일(Arcane Style)
위 포스트의 이미지는 SDXL과 Extension Model들을 적절히 섞어 생성한 이미지 입니다. Prompt1girl, jinx (league of legends), braid, long hair, shoulder tattoo, bare shoulders, brown shirt, upper teeth only, asymmetrical bangs, arm tattoo, blue hair, pink eyes, brown choker, twin braids, looking at viewer Negative Prompt Promptcowboy shot, 1girl, animal hood, sitting on throne, indoors,throne room ,masterpiece,best quality,a..
-
AI Art 모음
[AI Art & Prompt] 메이플스토리 스타일(Maplestory Style)
위 포스트의 이미지는 SDXL과 Extension Model들을 적절히 섞어 생성한 이미지 입니다. Promptchibi,1girl, earrings, masterpiece, black collar, black dress, hand up, jewelry, white hair, long hair, portrait, colored eyelashes, backlighting, red eyes, head Negative Promptbad quality,worst quality,worst detail,sketch,censor,text,watermark Promptchibi,1girl, fox tail, sky, cherry blossoms, petals, temple, multiple tails, white h..
-
기계학습(Machine Learning)
[기계학습/ML]16. SVM(Support Vector Machine) 서포트 벡터 머신
SVM(Support Vector Machine)이란? SVM은 선형이나 비선형 분류, 회귀, 이상치 탐색 등에 사용 가능한 다목적 머신러닝 모델이다. 분류에 적용 라지 마진 분류(Large Margin Classification)에 해당한다. 클래스를 구분 짓는 가장 폭이 넓은 도로 찾기 서포트 벡터(Support Vector) : 도로 경계(결정 경계)에 위치한 샘플 ex. 붓꽃 데이터의 분류 특성 스케일에 민감하다. 특성 스케일링을 통해 더 나은 결정 경계(SV) 생성이 가능하다. ex. 스케일링에 따른 결정 경계 차이 비선형 SVM 분류 - 하드 마진 분류 모든 샘플이 경계(Support Vector) 밖에 분류 되어야 한다. 마진 오류 = 0 이상치에 민감하다. 서포트 벡터를 찾지 못할 수도 있..
-
딥러닝(Deep Learning)
[딥러닝/DL]9. LSTM과 GRU 셀
Pupbani는 저번에 만든 순환 신경망의 성능을 더 끌어 올리기 위한 방법을 찾던 중 LSTM과 GRU 셀을 알게 되었다. Pupbani는 이것들을 사용해 순환 신경망 모델을 만들어보려고 한다. LSTM 구조 LSTM(Long Short-Term Memory)는 단기 기억을 오래 기억하기 위해 고안되었다. LSTM은 구조가 복잡하므로 딘계적으로 따라가보자. 은닉상태 만들기 입력과 이전 타임스텝의 은닉 상태를 가중치에 곱한 후 활성화 함수를 통과 시켜 다음 은닉 상태를 만든다. 이 때 기본 순환층과 달리 "Sigmoid" 함수를 활성화 함수로 사용한다. 이 그림에서는 가중치 wx와 wh를 통틀어 wo(입력과 은닉상태를 가중치에 곱한 값)라고 부른다. 파란색 원은 tanh 함수, 빨간색 원은 시그모이드 함..
