강좌 운영이나 강의 내용에 관해 궁금한 점이 있으면 자유롭게 나누어주세요.교수자, 수강생 누구나 글쓰기와 댓글 쓰기가 가능합니다.

안녕하세요?강의 스타일은 일반인들이 접하기 쉽게 잘 만들어진 것 같습니다.그런데 엑셀파일(excel_deep_함수구성.xlsm) 다운로드를 받았는데내용이 보이지 않는군요...매크로 포함파일이라 그런지 ? 어떤 이유인지 잘 모르겠습니다.Office 2016이고, 경고창 나왔을 때 "편집사용"으로 하였습니다.수고하세요.

Stable Diffusion에 대한 코드가 강의 자료에 올라오지 않았습니다.강사님의 이메일도 모르는 상황이라 다시 글을 작성합니다. 혹시 코드도 받아볼 수 있을까요?

DDIM 설명해주신 부분을 보다가 이해가 안 되는 부분이 있어서 질문드립니다.선생님께서 Reverse term이 이렇다고 말씀을 해주셨는데요.. 다른 강의도 찾고, 논문도 보고 하다가 이 수식이 다음과 같은 과정으로 전개될 수 있다는 것을 확인하였습니다.그러면 위 그림의 두 번째 수식에서 x_0와 epsilon_t를 (epsilon를 예측하는) Neural Network를 통해 계산한 것으로 바꿔 쓴다면 선생님께서 설명하신 아래의 수식이 되는 것인가요? 다시 말해, DDPM에서 x_0를 x_t와 epsilon_0로 표현할 수 있다고 들었는데, 이 수식을 이용하여 x_0를 예측하는 것인지 질문드립니다.만약 이게 맞다면, epsilon의 아래첨자에 있는 0, t 이런 것은 그냥 무시하고 생각해도 되는 것인가요?왜냐하면 초록색 밑줄에 있는 epsilon_t의 아래첨자는 t이지만, x_0를 나타낸 epsilon_0의 아래첨자는 0이어서 그냥 무시하고 생각해도 되는건지 여쭙습니다. 

안녕하세요. 멋진님. 생성모델 강의 두 개를 모두 신청하여 듣고 있는 학생입니다.DDIM 코드 질문이 있어 글을 작성합니다.아래 사진을 보시면 g_img = sqrt_alpha_bar_list[t] * g_img / sqrt_alpha_bar_list[pre_t] g_img = g_img + sqrt_one_minus_alpha_bar_list[t] * pred_noise + np.sqrt(beta_list[t])*esp인 코드를 확인하실 수 있으신데요. 이 수식이 reverse term이랑 안 맞는 것 같아서 질문드립니다. 아래와 같이 수정되는 것이 맞지 않나 싶어서요..g_img = sqrt_alpha_bar_list[t-1] * g_img / sqrt_alpha_bar_list[pre_t] g_img = g_img + sqrt_one_minus_alpha_bar_list[t-1] * pred_noise + np.sqrt(beta_list[t])*esp 다음 질문은 LDM에 대한 수업 자료에서 학습된 모델 파일은 제공되는데 코드가 제공이 안 돼서요..혹시 코드도 같이 올려주실 수 있는지 여쭙습니다. 좋은 강의 감사합니다.  

여러 GAN을 살펴보았는데,  discriminator에서 real데이터와 fake데이터의 shape은 무조건 같아야하나요? 요즘 GAN들은 그렇게 설계되었는지 하는지 궁금합니다