| import os | |
| import sys | |
| import glob | |
| import copy | |
| from PIL import Image, ImageDraw, ImageFont | |
| import torch | |
| import torchvision | |
| torch.backends.cudnn.benchmark=True |
| declare -A ids=([airplane]=02691156 [bench]=02828884 [cabinet]=02933112 [car]=02958343 [chair]=03001627 [display]=03211117 [lamp]=03636649 [loudspeaker]=03691459 [rifle]=04090263 [sofa]=04256520 [table]=04379243 [telephone]=04401088 [watercraft]=04530566) | |
| classes=(airplane bench cabinet car chair display lamp loudspeaker rifle sofa table telephone watercraft) | |
| dataset_path='' | |
| blender_path='' | |
| output_path='' | |
| num_views=24 | |
| project=render_shapenet # write project name here!! |
| import os | |
| import random | |
| import numpy as np | |
| import torch | |
| def set_all_seeds(seed): | |
| random.seed(seed) | |
| os.environ('PYTHONHASHSEED') = str(seed) | |
| np.random.seed(seed) | |
| torch.manual_seed(seed) |
| var checkoutDate = new Date(2020, 5, 1) | |
| checkoutDate.setDate( checkoutDate.getDate() + 365); | |
| const year = checkoutDate.getFullYear(); | |
| const month = checkoutDate.getMonth() + 1; | |
| const date = checkoutDate.getDate(); | |
| const day = checkoutDate.getDay(); | |
| const formatDay = year+"/"+month+"/"+date; |
| import torch | |
| import dataclasses | |
| def cuda_memory_info(device = torch.device("cuda")): | |
| @dataclasses.dataclass | |
| class CudaMemoryInfo: | |
| device: torch.device | |
| total: int | |
| reserved: int | |
| allocated: int |
| [tool.black] | |
| line-length = 88 | |
| [tool.mypy] | |
| python_version = "3.8" | |
| # following setting is same as pysen | |
| # https://github.com/pfnet/pysen/blob/main/setup.cfg#L12 | |
| check_untyped_defs = true | |
| disallow_any_decorated = false | |
| disallow_any_generics = false |
| { | |
| "yaml.customTags": [ | |
| "!Ref", | |
| "!Sub scalar", | |
| "!Sub sequence", | |
| "!Join sequence", | |
| "!FindInMap sequence", | |
| "!GetAtt scalar", | |
| "!GetAtt sequence", | |
| "!Base64 mapping", |
Open AI Deep Researchのテストです
数式に基づいて生成したデータを使用して教師あり学習を行う手法である、Formula-driven Supervised Learning（FDSL）についてのサーベイ論文を作成して下さい。参照にする情報は必ず論文に限定して下さい。ただし、arXivに投稿された論文も参照元として許可します。ブログや解説記事の情報は参照しないで下さい。
論文全体の構成は通常のサーベイ論文のように最初に「イントロダクション」があり、いくつかの章があり、最後に「課題と今後の方向性」があるようにして下さい。
Open AI Deep Researchのテストです
https://arxiv.org/pdf/2408.06292
上記URLの"The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery"のようにAIやLLMを使用して、研究テーマの作成、実装、実験、論文の執筆までを自動化する手法についてのサーベイ論文を作成して下さい。参照にする情報は必ず論文に限定して下さい。ただし、arXivに投稿された論文も参照元として許可します。ブログや解説記事の情報は参照しないで下さい。
論文全体の構成は通常のサーベイ論文のように最初に「イントロダクション」があり、いくつかの章があり、最後に「課題と今後の方向性」があるようにして下さい。