1450: 당신의 인공지능은 똑똑 노크합니까?
Time Limit: 1 Sec Memory Limit: 128 MBSubmit: 3 Solved: 1
[Submit] [Status] [Web Board] [Creator:]
Description
귀여운 차차는 어느 순간 숫자를 읽지 못하는 병에 걸리고 말았다.
어머나 세상에!! 어떡해!! 귀여운 차차가 숫자를 읽지못하다니...
귀여운 차차를 위해 이미지가 입력이 되었을 때, 어떤 숫자인지 알려주는 알려주는 프로그램을 작성해주자!
도와준다면 귀여운 차차는 어떠한 숫자든지 읽을 수 있게 될 것 같아 행복할 것이다.
입력되는 데이터셋의 근간은 MNIST 이며, 정답과 학습 데이터셋은 해당 URL 주소와 같다. http://yann.lecun.com/exdb/mnist/
또는, tensorflow나 pytorch의 MINIST 데이터셋과도 동일하다.
어머나 세상에!! 어떡해!! 귀여운 차차가 숫자를 읽지못하다니...
귀여운 차차를 위해 이미지가 입력이 되었을 때, 어떤 숫자인지 알려주는 알려주는 프로그램을 작성해주자!
도와준다면 귀여운 차차는 어떠한 숫자든지 읽을 수 있게 될 것 같아 행복할 것이다.
입력되는 데이터셋의 근간은 MNIST 이며, 정답과 학습 데이터셋은 해당 URL 주소와 같다. http://yann.lecun.com/exdb/mnist/
또는, tensorflow나 pytorch의 MINIST 데이터셋과도 동일하다.
Input
테스트 케이스 (N < 100) 이 먼저 입력이 된다.
이후, 28 x 28 크기의 해상도의 흑백 이미지가 입력이 된다.
아래와 같은 예시 이미지가 입력된다.
이후, 28 x 28 크기의 해상도의 흑백 이미지가 입력이 된다.
아래와 같은 예시 이미지가 입력된다.
Output
이미지에 해당되는 숫자를 출력한다.
Sample Input Copy
1
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0510 0.4314 0.9255 0.9961 0.7804 1.0000 0.9961 0.7412 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.3843 0.8784 0.9922 0.8745 0.8549 0.4000 0.3922 0.6941 0.6353 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.1647 0.8745 0.9922 0.9294 0.1255 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0078 0.6784 0.9922 0.7961 0.5020 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.1882 0.9922 0.6980 0.0549 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.8980 0.9529 0.2157 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.4039 0.9922 0.9020 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.4196 0.9922 0.9020 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.4196 0.9922 0.9020 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.3216 0.9843 0.9647 0.2588 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.4549 0.9922 0.8510 0.4431 0.3059 0.0510 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0157 0.6549 0.9922 0.9922 0.9922 0.8588 0.8353 0.5961 0.3725 0.1294 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0118 0.3843 0.5529 0.6863 0.9922 0.9922 0.9922 0.9922 0.8471 0.1255 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0078 0.0196 0.0196 0.5176 0.9922 0.8980 0.1373 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.3137 0.7922 0.9922 0.5373 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0588 0.5765 0.9647 0.9843 0.5373 0.1216 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.1647 0.3647 0.8039 0.9922 0.8784 0.4902 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.1608 0.5843 0.9176 0.9922 0.9922 0.7176 0.1569 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.1137 0.3961 0.5882 0.9255 0.9922 0.7451 0.5961 0.2431 0.0235 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.7137 0.9922 0.9922 0.7647 0.2706 0.0275 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Sample Output Copy
5
HINT
귀여운 차차는 텐서플로우에서 MNIST 학습 후, 순수 C++로 직접 레이어를 구현하고, 가중치를 상수로 넣어주었다.
어떻게 풀었는지 자세하게 궁금하다면 https://github.com/Piorosen/implement-mnist.git 에 자세한 코드와 방법론이 작성되어져 있다.
사실, 이 문제는 위의 깃허브 코드에서 그대로 실행만 할 수 있다면 바로 풀 수 있다.
어떻게 풀었는지 자세하게 궁금하다면 https://github.com/Piorosen/implement-mnist.git 에 자세한 코드와 방법론이 작성되어져 있다.
사실, 이 문제는 위의 깃허브 코드에서 그대로 실행만 할 수 있다면 바로 풀 수 있다.