일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- Django
- Tkinter
- Deep Learning
- 컴퓨터 비전
- 텐서플로우
- GUI
- Docker
- vue.js
- MariaDB
- kubernetes
- OpenCV
- Computer Vision
- pytorch
- Python
- 딥러닝
- numpy
- 장고
- Web Programming
- 논문 리뷰
- k8s
- FLASK
- yaml
- tensorflow
- 파이토치
- 웹 프로그래밍
- 데이터베이스
- POD
- 파이썬
- paper review
- 그래픽 유저 인터페이스
- Today
- Total
목록전체 글 (103)
Maxima's Lab
안녕하세요, 오늘은 Flask 애플리케이션에서 Blueprint 패키지를 활용하여 애플리케이션의 구성요소들 모듈화하고, current_app을 사용해서 config 구성요소에 접근하는 방법에 대해서 알아보겠습니다. /myapplication /main_1 __init__.py views.py /main_2 __init__.py views.py __init__.py app.py 위의 구조에서 /myapplication/main_1/.__init__.py 파일에 대해서 알아보겠습니다. # /myapplication/main_1/.__init__.py from flask import Blueprint main_1 = Blueprint('main_1', __name__, url_prefix='/main_1') ..

안녕하세요, 오늘은 Tensorboard 내 학습 중 사용하는 Images를 추가하는 방법에 대해서 알아보겠습니다. 전체 코드는 다음과 같습니다. import tensorflow as tf from tensorflow import keras import numpy as np import datetime class CustomImageLogger(tf.keras.callbacks.Callback): def __init__(self, log_dir, validation_data, num_images=3): super().__init__() self.log_dir = log_dir self.num_images = num_images self.validation_data = validation_data def ..

안녕하세요, 오늘은 Tensorboard를 실행하는 방법에 대해서 알아보겠습니다. Tensorflow2에서 TensorBoard를 사용하는 예시에 대한 전체 코드는 다음과 같습니다. 아래 예제는 MNIST 데이터를 활용한 예시입니다. import tensorflow as tf from tensorflow import keras import numpy as np import datetime (train_images, train_labels), (valid_images, valid_labels) = tf.keras.datasets.mnist.load_data() train_images = train_images / 255.0 valid_images = valid_images / 255.0 model = ....
안녕하세요, 오늘은 Flask에서 APScheduler 패키지를 활용해서 Scheduler를 사용하는 방법에 대해서 알아보겠습니다. 먼저, APScheduler 패키지를 설치합니다. pip install Flask APScheduler 아래는 Scheduler를 사용하는 Flask Server 예제 전체 코드입니다. from flask import Flask from flask_apscheduler import APScheduler class Config: SCHEDULER_API_ENABLED = True app = Flask(__name__) app.config.from_object(Config()) scheduler = APScheduler() scheduler.init_app(app) schedu..

안녕하세요, 오늘은 Vue.js 프레임워크를 설치하고 실행하는 방법에 대해서 알아보겠습니다. 먼저, Vue.js를 설치하기 전 Node.js를 필수적으로 설치해야합니다. https://nodejs.org/en/download Download | Node.js Node.js® is a JavaScript runtime built on Chrome's V8 JavaScript engine. nodejs.org 위의 링크를 통해 node.js를 설치 후 다음 명령어를 통해 설치된 Version을 확인합니다. node -v node.js 설치 후 이어서 Vue.js를 다음 명령어를 통해 설치합니다. npm install vue Vue 설치 후 이어서 Vue Cli를 설치합니다. npm install -g @vu..

안녕하세요, 오늘은 pymysql 라이브러리를 활용하여 MariaDB를 연동하는 방법에 대해서 알아보겠습니다. pymysql을 사용하기 위해 다음과 같이 해당 패키지를 설치합니다. pip install pymysql 위의 명령어를 통해 pymysql 라이브러리를 설치 후에는 다음 코드를 실행하여, Database 내 특정 Table의 모든 Columns들을 조회하는 방법에 대해서 알아보겠습니다. import pymysql database_N = 'database_temp' table_N = 'table_1' db_connection = pymysql.connect(host='localhost', user='...', password='...', db=f'{database_N}', charset='utf8..

안녕하세요, 오늘은 Label Smoothing의 개념에 대해서 알아보고 알아보겠습니다. Label Smoothing (라벨 스무딩)이란, 딥러닝 분류 모델을 학습 시 사용하는 정규화 기법이며, 모델 학습 시 과확신을 방지하기 위해 사용합니다. 이를 위해 다음과 같이 One-Hot Encoding Labeling을 조정하게 됩니다. (Ex) : [1, 0, 0, 0, 0] ==> [0.8, 0.05, 0.05, 0.05, 0.05] 위와 같이 적용하기 위해서는 Categorical Crossentropy 함수를 수정해야 합니다. def label_smoothing_loss(y_true, y_pred, label_smoothing=0.1): num_classes = tf.cast(tf.shape(y_tru..

안녕하세요, 오늘은 HeidiSQL을 설치 및 실행하는 방법에 대해서 알아보겠습니다. HeidiSQL은 다음 페이지에서 설치가 가능합니다. https://www.heidisql.com/download.php Download HeidiSQL Ads were blocked - no problem. But keep in mind that developing HeidiSQL, user support and hosting takes time and money. You may want to send a donation instead. Download HeidiSQL 12.5, released on 08 May 2023 Please disable your adblocker and reload the p www.hei..