nanaba_log.zip

최단 단어 변환 수를 찾는 것이니 BFS로 풀자는 것만 알면 어려운 문제는 아니라고 생각한다.. 단어 최대 길이도 10이고 배열 길이도 max가 50이라 이중for문이 들어가도 시간초과가 안뜬다. from collections import dequedef diff(word, target): cnt = 0 for i in range(len(word)): if word[i] != target[i]: cnt += 1 return cnt def solution(begin, target, words): if target not in words: return 0 visited = [0 for i in range(len(words))] ..

저번 LG 산장 코테에서 나온 문제와 아주 유사한 문제다. 참고로 나는 그 당시에 코테 준비를 정말 허접하게 했기 때문에 이 문제도 못 풀었다... 오늘 오랜만에 다시 풀어보니 아주 쉽게 풀었는데 그 동안 코딩 실력이 조금 늘었다! 라고 할 수 있을지도..하지만 더더더 노력해야한다는걸 안다. 나는 deque의 `popleft()`를 사용해서 시간복잡도를 최대한 줄여보려고 했다. 그리고 다리 위에 올라간 트럭의 무게를 더할 때 for문을 안 돌게 하려고 따로 다리의 무게를 나타내는 변수(`bridge_sum`)를 추가해서 트럭이 올라가면 트럭 무게를 더하고, 트럭이 내려가면 내려간 트럭의 무게를 빼주는 식으로 업데이트를 했다. from collections import dequedef solution(br..

저번 포스트에서 llava를 통해 이미지 패치에서 텍스트를 생성하였다. 그리고 기존 연구처럼 이 텍스트를 CLIP embedding 하는 것 대신 BERT를 통해 text에 대한 feature를 얻는 것을 고안을 했다. CLIP보다 과연 BERT가 더 텍스트의 문맥 정보를 잘 반영한 feature를 추출해낼 수 있을까? toy experiemnt 결과를 공유해보겠다. from transformers import AutoTokenizer, BertModeltokenizer = AutoTokenizer.from_pretrained("google-bert/bert-base-uncased")bert_model = BertModel.from_pretrained("google-bert/bert-base-uncase..