crazyoscarchang

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import torchvision
from torchvision import datasets, transforms
import math
import numpy as np

# Hardcoded variables for hyperfan init

mutiann

'''
Implementation for https://arxiv.org/abs/1906.00672

Tips: The code could be directly used in place of BadahnauMonotonicAttention in Tensorflow codes. Similar to its 
base class in the Tensorflow seq2seq codebase,  you may use "hard" for hard inference, or "parallel" for training or 
soft inference. "recurrent" mode in BadahnauMonotonicAttention is not supported. 

If you have already trained another model using BadahnauMonotonicAttention, the model could be reused, otherwise you 
possibly have to tune the score_bias_init, which, similar to that in Raffel et al., 2017, is determined a priori to 
suit the moving speed of the alignments, i.e. speed of speech of your training corpus in TTS cases. So 

20chan

프로그램에서 A를 25번 입력하면 UIYOAUOIOEIAYEUYOIEYEAUYA 이 나온다. 이 값을 EncVowel 테이블과 비교하여 찾아보면, 초기 vowel_position의 값은 8임을 알 수 있다. 이때의 EncVowel 테이블의 값은 {6, 3, 5, 2, 1, 4} 이다.

프로그램을 실행하고 처음 A, E, I, O, U, Y 의 모음을 입력하여 나오는 값은 각각 U, E, I, Y, O, A 이다. 코드의 ct_num 에 해당되는 모음의 숫자 값은 각각 4, 1, 2, 5, 3, 0 이다. 그러면 테이블과 비교하여 이 값이 나오기 위한 인덱스 (perm_num) 값은 각각 2, 3, 1, 0, 5, 4 이다. 그렇다면 PermVowel 의 값은 {3, 4, 2, 1, 6, 5} 임을 알 수 있다.

같은 방식으로 자음도 구할 수 있다. 첫번째 글자로 자음들 B, C, D, ..., Z의 결과값은 JWHZCXVLGSBQRMPFKNTD 이고 두번째 글자로 자음들의 결과값은 MFKXVPZTHDLNGJWBSCQR 이다. 이때 세개의 테이블 중 첫번째 테이블만이 인덱스가 변했을 경우와 두번째 테이블과 첫번째 테이블 둘다 인덱스가 변했을 경우가 있지만 일단 첫번째 경우만 생각해주고 안되면 두번째 케이스를 생각해 보는 것으로 한다.

carlthome

mkocabas

mkdir coco
cd coco
mkdir images
cd images

wget http://images.cocodataset.org/zips/train2017.zip
wget http://images.cocodataset.org/zips/val2017.zip
wget http://images.cocodataset.org/zips/test2017.zip
wget http://images.cocodataset.org/zips/unlabeled2017.zip

gautamsreekumar

def initi(var_shape):
    real_part = nprand.rand(var_shape[0], var_shape[1], var_shape[2], var_shape[3])
    imag_part = nprand.rand(var_shape[0], var_shape[1], var_shape[2], var_shape[3])
    return tf.constant_initializer(real_part + imag_part*1.0j)

def lrelu(tensor_in): # this is not leaky-relu
    temp_real = tf.real(tensor_in)
    temp_imag = tf.imag(tensor_in)
    return tf.complex(temp_real, temp_imag)

theeluwin

# -*- coding: utf-8 -*-

import os
import json
import torch
import pickle
import requests
import numpy as np
import torch as t
import torch.nn as nn

stefansundin

#!/bin/bash -eo pipefail
# Log in to Slack in a web browser and open the network tools to inspect the traffic.
# Filter the requests with "/api/" and pick one to inspect.
# You need the xoxc token from the request body, and a copy of the cookies. It is the "d" cookie that is important, but you can copy all of them. Make sure that the cookie value is percent encoded!
# Paste the values below.
# You need to have curl and jq installed.

# You can also get the xoxc token from localStorage. Run this in the JavaScript console:
# Object.entries(JSON.parse(localStorage.localConfig_v2)["teams"]).reduce((o,e) => Object.assign(o, { [e[1]["name"]]: e[1]["token"] }), {})

dohyunkim

\newif\ifsetminus
\def\tys#1{%
  \begingroup
  \dimen0=0pt \dimen2=0pt \hsize=0pt
  \setbox4=\vbox\bgroup\splitbyspace#1 ~ %
  \edef\x{\egroup\hbox{\kern\the\dimen0 \box4\kern\the\dimen2}}\x
  \endgroup
}
\def\splitbyspace#1 {%
  \ifx#1~\else

lifthrasiir

아래 메일은 2017-02-12 21:43(이하 한국 표준시)에 한겨레 기사에 대한 의견으로서 기사에 제시된 김재섭 기자의 메일로 보낸 내용이다. 메일에서 사실 관계 등의 오류가 있다면 모두 나의 실수이다.

2017-02-13 14:53에 덧붙임: 더 이상 gist를 비공개로 할 이유가 없어졌으므로 공개로 전환. 이 메일에 대한 답변은 받았으나 공개할 만큼 중요한 반론이 들어 있진 않으며 공개 여부도 묻지 않았으므로 공개하지 않는다. 아래 글 자체에도 다양한 비문과 오자가 있으나 본래 보낸 내용을 살리기 위해 전혀 수정을 하지 않기로 했음을 양해 바람.

2017-02-13 19:00에 덧붙임: 이 기사의 후속으로 구글코리아 측의 기자간담회가 올라갔다. 새 기사에 대해서는 특이한 게 없으므로 노코멘트. 또한 위의 기사 링크를 미디어다음에서 한겨레 웹사이트로 가도록 수정.

원문

안녕하십니까, 귀하께서 작성하신 (물론 저는 그 진위를 알 수 없습니다만, 적어도 그렇게 나와 있는) 기사에 대한 의견을 제기하고자 메일을 씁니다. 이 메일은 저의 개인 의견이며 저를 고용하고 있는 회사나 단체 등의 의견을 전혀 대변하지 않음을 혹시나 싶지만 미리 밝혀 둡니다.