2020/10

구글 코랩은 다양한 라이브러리가 깔려있다. 구글 코랩은 텐서플로 및 여러가지 딥러닝과 관련된 여러가지 라이브러리가 설치되어있습니다. 그래서 그것을 선택해서 사용하기는 쉽습니다. 하지만 대부분 이 텐서플로우를 사용하기 위해서 코랩에서 직접 코드를 만지는 경우가 많습니다. 텐서플로우는 버젼이 많다. 그리고 오류도 많다. 이 딥러닝 모델을 설계 혹은 실행시키기 위해서는 텐서플로우를 사용해서 코드를 건드는 방법이 많이 있는데, 문제는 텐서플로우는 버젼 별로 그 코드의 변경 사항이 너무 상이해서 코드가 버젼별로 돌아갈 수 도 혹은 안돌아갈 수도 있다. 하위 버젼에서는 돌아가던 코드가 상위버젼에서는 돌아가지 않는 경우가 생길 수 도 있다는 뜻이다. 즉, 코드의 버젼이 큰 영향을 끼친다고 볼 수 있다. 실제로 여러가..

Spring boot에서 Oauth 설정 값을 처리할때 스프링 부트에서 application.properties나 yaml를 통해서 쉽게 Oauth에 관련된 여러가지 설정들을 적용할 수 있다. 물론 버젼별로 Oauth를 적용하는 방식이 좀 다르긴 하다. security: oauth2: client: registration: microsoft: client-id: - client-secret: - redirect-uri-template: '{baseUrl}/login/oauth2/code/{registrationId}' Spring Boot 1.5 버젼에서는 이런식이다. 하지만, 2.0 버젼으로 넘어오면서 여러가지 포멧이 많이 줄었는데 security: oauth2: client: registration:..

구글 콜랩을 모두 공유하면서 사용한다면... 개인 프로젝트로 진행하는 것이라면 굳이 콜랩을 선택하는 것은 사실상 컴퓨터 성능의 문제로 선택하는 경우를 제외하면 없을 것 같다. 하지만, 단체로 개발하는 경우(특히, 학교에서 진행하는 딥러닝 프로젝트나 졸업 작품 프로젝트)에는 코드 공유나 노트북 형식으로 아예 코드를 구성해서 단체로 한 개의 파일로 코드를 만질 수 있게 하는 것이 오히려 효율적으로 일하는 방법이 될 수 있다. 그리고 구글 드라이브 자체를 연동해서 사용하고 거기에서 사용하는 Data 파일을 싱크를 맞추는 작업을 동시에 할 수 있어서 좋다고 생각합니다. 구글 콜랩에서 구글 드라이브를 연결하는 방식 구글 코랩에서는 아래와 같은 코드만 작성하더라도 from google.colab import dri..

장고에서 머신러닝을 돌리는 게 좋은 이유 장고 웹프레임워크를 사용하는 것에는 여러가지 이유가 있겠으나 장고의 메인 언어인 Python을 쓴다는 점은 엄청난 메리트가 있습니다. 왜냐하면 Python에는 ML,AI와 관련된 여러가지 툴이 있기때문입니다. 그래서 실제로 프로젝트를 진행할때 장고안에 머신러닝 모델을 직접 이식하는 방식을 통해서 굳이 따로 서버를 두는 것이 아니라, 실제로 장고 서버가 돌아가는 와중에 머신러닝이나 신경망을 통한 모델이 바로 제가 넣은 값을 통해서 바로 예측값을 출력해낸다면 저희는 두가지의 일을 동시에 하지 않아도 되죠.( 예를 들면 뭐 머신러닝 서버를 또 따로 만든다던가..) 일단 마주쳤던 문제점 신경망이든 머신러닝이든간에 일단 모델을 불러서 값을 넣은 후에 그것을 예측값을 받는 ..