주머니 속 메모장

Physics.Raycast(Vector3 origin, Vector3 direction, RaycastHit hit, float maxDistance = Mathf.Infinity, int layerMask = DefaultRaycastLayers) origin Ray의 시작점 direction Ray의 방향 hit Ray와 Object의 충돌 여부 (충돌 감지) maxDistance Ray의 최대 길이 layerMask Ray에 충돌할 특정 Layer

ML-Agents를 이용해 학습을 하는 과정 초기에 이와 같은 에러가 발생했습니다. 이는 학습 과정에서 사용되는 LSTM의 입력 텐서의 shape이 contiguous하지 않아 문제가 발생하는 것으로 보입니다. PyTorch의 contiguous에 대한 자세한 내용은 다음 블로그(seducinghyeok.tistory.com/12)에서 참고했습니다. 간단하게 이야기하면, PyTorch에서는 메모리 접근 성능을 높이기 위해 contiguous를 사용합니다. 해당 문제는 파이썬 패키지 폴더 중 mlagents 폴더 내에 있는 layers.py 코드의 LSTM에 입력되는 텐서 h0(output)와 c0(cell state)를 수정하여 해결 할 수 있습니다. 상세 경로 : \Python[version]\Lib\..

// GameObject.Find("게임오브젝트명").GetComponent().컴포넌트멤버명 GameObject.Find("PauseManager").GetComponent().isPause

[ 참고 ] docs.unity3d.com/kr/530/ScriptReference/Time-timeScale.html using System.Collections; using System.Collections.Generic; using UnityEngine; public class PauseManager : MonoBehaviour { public bool isPause; // 정지 여부 void Start() { isPause = false; } void Update() { // Time.timeScale : 모든 time과 delta time에 영향을 줌 // 1 : 실제 시간과 같은 속도로 경과 // 0 : 시간이 멈춤 // 키 입력으로 인한 캐릭터 컨트롤은 멈추지 못함 if (Input.GetK..

using System.Collections; using System.Collections.Generic; using UnityEditor.Profiling.Memory.Experimental; using UnityEngine; public class DoorController : MonoBehaviour { public GameObject Door; public GameObject Player; private bool doorIsOpening; // 문 열림 여부 private bool SoundIsPlaying = true; void Update() { if (!GameObject.Find("PauseManager").GetComponent().isPause) { // 문이 일정 범위까지 열리면 멈추..

수업 링크 : https://opentutorials.org/module/4966/28988 네번째 딥러닝 - 신경망의 완성:히든레이어 - Tensorflow 1 수업소개 히든레이어와 멀티레이어의 구조를 이해하고, 히든레이어를 추가한 멀티레이어 인공신경망 모델을 완성해 봅니다. 강의 멀티레이어 신경망 실습 소스코드 colab | backend.ai 보스 opentutorials.org

수업 링크 : https://opentutorials.org/module/4966/28987 세번째 딥러닝 - 아이리스 품종 분류 - Tensorflow 1 수업소개 아이리스 품종을 분류하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 분류모델과 회귀모델의 차이점을 이해합니다. 범주형 변수의 처리 방법인 원핫인코딩을 해야하는 이유 opentutorials.org 종속 변수가 양적 데이터인 경우 회귀 알고리즘을 사용 종속 변수가 범주형 데이터인 경우 분류 알고리즘을 사용 숫자가 아닌 데이터가 수식에 들어갈 수는 없다. => 범주형 데이터는 수식에 사용할 수 있는 형태로 바꿔주어야 한다. 원핫인코딩 : 범주형 데이터를 딥러닝 모델에 사용하기 위해 1과 0으로 이루어진 데이터로 바꿔주는 과정 분류 모델은..

수업 링크 : https://opentutorials.org/module/4966/28977 학습의 실제 - Tensorflow 1 수업소개 딥러닝 워크북에서 손으로 모델을 학습시켜 보며 딥러닝이 학습하는 원리를 배웁니다. 강의 "파일" > "사본 만들기"를 하시면 직접 해볼 수 있습니다. opentutorials.org 1. 초기 가중치(W)와 편향(B) 값에 따라 손실(Loss) 값 도출한다. 2. 도출된 손실 값을 가중치와 편향으로 각각 미분하여 가중치와 손실, 편향과 손실 간의 관계를 파악한다. (가중치나 편향의 값이 증가하고 감소함에 따라 손실 값은 어떻게 변화하는지) 3. 파악된 관계를 통해 다음 가중치와 편향 값을 설정한다.

수업 링크 : https://opentutorials.org/module/4966/28976 두번째 딥러닝 - 보스턴 집값 예측 - Tensorflow 1 수업소개 보스턴 집값을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 모델을 구성하는 퍼셉트론에 대해 이해합니다. 강의 수식과 퍼셉트론 실습 소스코드 colab | backend. opentutorials.org 이전 레모네이드 판매 예측 모델은 독립 변수와 종속 변수가 하나인 단순한 모델 종속 변수 : MEDV(해당 지역의 주택 가격 중 중앙값) 독립 변수 : MEDV 외 나머지 왼쪽의 공식 : 독립 변수들이 종속 변수에 어떻게 영향을 미치는지 보여주는 식 => 머신러닝을 이용하면 기계가 알아서 복잡한 공식을 만들어준다. 1. 첫 번째 ..

문제 링크 https://programmers.co.kr/learn/courses/30/lessons/42587 문제 설명 일반적인 프린터는 인쇄 요청이 들어온 순서대로 인쇄합니다. 그렇기 때문에 중요한 문서가 나중에 인쇄될 수 있습니다. 이런 문제를 보완하기 위해 중요도가 높은 문서를 먼저 인쇄하는 프린터를 개발했습니다. 이 새롭게 개발한 프린터는 아래와 같은 방식으로 인쇄 작업을 수행합니다. 1. 인쇄 대기목록의 가장 앞에 있는 문서(J)를 대기목록에서 꺼냅니다. 2. 나머지 인쇄 대기목록에서 J보다 중요도가 높은 문서가 한 개라도 존재하면 J를 대기목록의 가장 마지막에 넣습니다. 3. 그렇지 않으면 J를 인쇄합니다. 예를 들어, 4개의 문서(A, B, C, D)가 순서대로 인쇄 대기목록에 있고 중요..