
750
2
부
신경망과 딥러닝
텐서플로 데이터셋과 유사하지만 마스킹과 같은 일반적인 전처리 작업을 즉석에서 수행할 수
있는 도구도 제공합니다. 전체 데이터셋 목록은
https
://
huggingface
.
co
/
datasets
에서 확인
할 수 있습니다.
지금까지 허깅 페이스 생태계에 있는 도구를 알아보았습니다.
https
://
huggingface
.
co
/
docs
에 있는 문서를 참고하면 더 자세한 내용을 알 수 있습니다. 여기에는 튜토리얼 노트북
59
, 동영
상, 전체
API
등이 포함되어 있습니다. 또한 『트랜스포머를 활용한 자연어 처리』(한빛미디어,
2022
)를 읽어보길 추천합니다. 이 책은 허깅 페이스 팀의 루이스 턴스톨
Lewis
Tunstall
, 레안드로
폰 베라
Leandro
von
Werra
, 토마스 울프
Thomas
Wolf
가 썼습니다.
다음 장에서는 오토인코더를 사용하여 비지도 방식으로 심층 표현을 학습하는 방법과 생성적
적대 네트워크를 사용하여 이미지를 생성하는 방법 등을 설명하겠습니다.
연습문제
①
상태가 없는
RNN
대비 상태가 있는
RNN
의 장단점은 무엇인가요?
②
왜 자동 번역에 시퀀스-투-시퀀스
RNN
대신 인코더-디코더
RNN
을 사용하나요?
③
가변 길이 입력 시퀀스를 어떻게 다룰 수 있나요? 가변 길이 출력 시퀀스는 어떤가요?
④
빔 서치가 무엇인가요? ...