토토 사이트 추천는 프로그래밍을 배우기 시작할 때 자주 등장하는 것 중 하나입니다이 문제를 해결하는 방법에는 깊이 우선 검색, 너비 우선 검색, 강화 학습 등 다양한 방법이 있습니다
그러나 그들 모두에게 공통적인 문제가 있습니다토토 사이트 추천판을 메모리에 재현해야 합니다''
이번에는 이 문제가 발생하지 않습니다토토 사이트 추천판 자체의 이미지를 사용하여 토토 사이트 추천의 올바른 경로 이미지를 생성하는 AI 모델 생성'' 포스터를 보며 자율 학습을 합니다참고로 이 작업의 핵심은 다른 토토 사이트 추천 해결 알고리즘과 달리 AI 모델에 시작 및 목표와 같은 토토 사이트 추천 규칙을 가르치지 않는다는 것입니다
이번에는,GAN（생성적 적대 신경망)Pix2Pix
GAN이란 무엇입니까?
GAN은발전기（생성기) 및판별자（판별자)이라는 두 개의 신경망을 경쟁하여 생성할 수 있습니다
생성기
잠재 변수라는 것을 입력으로 받고 이를 기반으로 데이터(예: 이미지)를 생성합니다목표는차별자를 속이는 현실적인 데이터 생성
판별자
실제 데이터와 생성기에서 생성된 데이터를 입력으로 받아 그것이 진짜인지 가짜인지 판단합니다목표는생성기에서 생성된 가짜 데이터를 정확하게 식별
학습 과정
생성기는 판별자를 속이는 데이터를 생성하는 방법을 학습합니다판별자는 생성자가 생성한 데이터를 정확하게 식별하는 방법을 학습합니다
이런 방식으로 생성자와 판별자가 서로 경쟁하여 생성 네트워크가 현실적인 데이터를 생성할 수 있도록 합니다
↓예: Sky Corporation의 로고를 생성하는 AI 모델 개발의 이미지 다이어그램
Pix2Pix란 무엇입니까?
다음으로 Pix2Pix 방법을 설명하겠습니다
발전기
이전에는 입력이 잠재 변수였지만 Pix2Pix에서는이미지 입력이미지 수신,대상 이미지로 변환하는 역할담당목적은 GAN과 동일합니다차별자를 속이는 현실적인 데이터 생성
판별자
원본 이미지와 생성된 이미지 쌍, 원본 이미지와 올바른 이미지 쌍을 입력으로 받아 진짜인지 가짜인지 판단합니다목적은 GAN과 동일합니다생성기에서 생성된 가짜 데이터를 정확하게 식별
이런 식으로 원본 이미지를 조건으로 학습함으로써,원본 이미지에서 현실적인 대상 이미지를 생성할 수 있습니다이렇게 보일 것입니다
↓예: Sky Corporation 로고에 사실적인 그림자를 추가하는 AI 모델 개발의 이미지 다이어그램
데이터세트
아래 그림과 같이 5000쌍의 9x9 토토 사이트 추천판과 정답 이미지를 준비하는 코드를 만들었습니다이번에는 항상 왼쪽 상단과 오른쪽 하단에 끝점이 있는 토토 사이트 추천를 만들겠습니다
학습 결과
먼저, 생성기가 아직 잘 학습되지 않았을 때 생성된 이미지를 소개하고 싶습니다
출발선과 결승선 근처 지역은 아름답게 칠해져 있지만 경로가 한 줄로 연결되어 있지 않고 블랙 노이즈가 많이 발생합니다
그러나 여기에서 계속 학습함으로써 아래와 같이 올바른 경로를 색칠할 수 있는 생성기를 만들 수 있었습니다
이렇게 배우면서생성기는 분류자를 속이는 방법, 즉 사실적인 이미지를 생성하는 방법을 학습할 수 있었습니다당신은 그것을 볼 수 있습니다
요약
이번에는 토토 사이트 추천 이미지 자체를 사용하여 올바른 경로의 토토 사이트 추천 이미지를 생성하는 AI 모델의 성공적인 개발을 소개했습니다
