AI Codes35 LangChain 관련 문서와 영상 정리 LangChain은 기존에 프롬프팅과 RAG를 이용하느라 간단하게 실습해서 Github에 올린적이 있다. (링크) 이때 유용하게 보았던 영상이나 웹페이지 그리고 추가적으로 공부하면서 유용했던 사안들을 정리하고자 한다. LangChain은 LangChain과 LangGraph, LangSmith로 구성되어 있다. LangChain과 LangGraph는 실제 개발 그리고 LangSmith는 모니터링에 쓰인다. 1. LangChain Official Documents: 링크 사실 이게 제일 기본이다. 워낙 빠르게 변하기 때문에 지금은 쓰이지 않는 함수들이 많아서, LLM이나 다른 웹페이지나 영상을 보는것 보다 공식 문서를 보는게 제일 빠를 때가 많다. 2. Teddynote의 랭체인 강의: 링크 한국어.. 2025. 4. 28. Numpy Random Number Generating 넘파이로 랜덤 넘버를 만들 경우가 있는데 몇가지 자주 쓰던 방법을 정리한다. 추가적으로 [1, 2, 3, 4, 5]와 같은 연속된 수의 텐서를 만드는 방법과 순열을 적용하는 방법도 추가한다. 다음의 함수들을 다룬다. random.randrandom.randintrandom.choicerandom.permutationrandom.normalrandom.binomialarangelinspacerandom.shufflelogspace 1. np.random.rand() [0, 1) 범위의 uniform dist에서 뽑는다. import numpy as npa = np.random.rand(2, 3)print(a)>> [[0.46763935 0.03182783 0.30743799] [0.28707536 0.4.. 2025. 4. 20. PyTorch Random Number Generating 파이토치에서 랜덤 넘버를 만들 경우가 있는데 몇가지 자주 쓰던 방법을 정리한다. 추가적으로 [1, 2, 3, 4, 5]와 같은 연속된 수의 텐서를 만드는 방법과 순열을 적용하는 방법도 추가한다. 다음의 함수들을 다룬다. randrand_likerandintrandint_like randnrandn_likenormalrandpermarangelinspace 1. torch.rand()와 torch.rand_like() [0, 1) 의 범위의 uniform dist 유니폼 분포에서 뽑는다. rand_like는 zeros_like처럼 목표가 되는 텐서와 똑같은 형태로 random number generating (이하 RNG) 난수 생성을 수행한다. import torchprint(torch.rand(4).. 2025. 4. 20. Numpy Products 넘파이에서 지원하는 element-wise product (Hadamrad product), dot product, matrix multiplication 등등을 알아본다. 구체적인 명령어들은 다음과 같다. *np.multiplynp.dot@np.innernp.outernp.matmulnp.vdot Element-wise Product = Hadamard Product연산자들*np.multiply 1D Array 1차원 배열 import numpy as npa = np.array([1, 2])b = np.array([3, 4]) c = a * bprint(c)>> [3 8]c = np.multiply(a, b)print(c)>> [3 8] 2D Array 2차원 배열 a = np.. 2025. 4. 20. PyTorch Products 파이토치에서 지원하는 element-wise product (Hadamrad product), dot product, matrix multiplication 등등을 알아본다. 구체적인 명령어들은 아래와 같다. *torch.dottorch.matmultorch.mm@torch.bmmtorch.vdottorch.outertorch.tensordot Element-wise Product = Hadamard Product연산자들* 1D Tensor 1차원 텐서# element-wise product# hadamard producta = torch.Tensor([1, 2, 3])b = torch.Tensor([0, 2, 4])a * b>> tensor([ 0., 4., 12.]) 2D 이상의 텐서 # e.. 2025. 4. 20. Numpy zeros, zeros_like, ones 등등 여기 (링크)에서 PyTorch에서 제로 텐서, 원 텐서 등을 만드는 방법을 알아보았다. Numpy에서도 마찬가지 작업을 수행할 수 있다. 딥러닝 보다는 머신러닝의 측면에서 데이터를 다룰 때 주로 넘파이를 쓰기 때문에 알아두면 좋다고 생각해서 적는다. 다음은 지정된 값으로 원하는 모양 shape의 텐서를 만드는 방법들이다. zeros는 0으로ones는 1로full은 지정된 값으로empty는 uninitialized values로 채워진다. import numpy as npa = np.zeros((2,3))b = np.ones((2,3))c = np.full((2,3),2)d = np.empty((2,3)) print(a)print(b)print(c)print(d)>>[[0. 0. 0.] [0. 0. 0.. 2025. 4. 20. 이전 1 2 3 4 5 6 다음
