목록개발 및 공부/라이브러리&프레임워크 (52)
NeuroWhAI의 잡블로그
#![feature(plugin)] #![plugin(rocket_codegen)] extern crate rocket; use std::path::{PathBuf, Path}; use rocket::response::{NamedFile}; #[get("/static/")] fn files(file: PathBuf) -> Option { NamedFile::open(Path::new("static/").join(file)).ok() } fn main() { rocket::ignite() .mount("/", routes![files]) .launch(); }끝....? (현재 경로)/static 폴더 아래에 위치한 파일이면 다 취득할 수 있습니당.꿀잼.
Rocket은 Rust의 웹 프레임워크입니다. 이 글에서는 Rocket을 이용해 접속시 Hello, world!를 응답하는 웹 서버를 만들고 Heroku에 올려 모든 사람이 볼 수 있도록 해보겠습니다. 결과 : https://hello-rocket.herokuapp.com 소스코드 : https://github.com/NeuroWhAI/hello-rocket (설명은 소스코드 링크에도 있으니 참고 바랍니다) 먼저 아래 명령어로 새로운 Rust 프로젝트를 만들겠습니다. cargo new hello-rocket --bin 앞으로의 모든 작업은 hello-rocket 폴더에서 이뤄집니다. 만약 프로젝트 이름을 바꾸셨다면 주의해서 명령어를 입력해주세요. Cargo.toml 파일을 열어 Rocket을 종속성에 추..
케라스로 MNIST 데이터를 학습시키고 외부 이미지 하나를 불러와서 무슨 숫자인지 출력해보는 예제입니다.기본적으로 CNN이고 배치정규화, 드롭아웃을 추가로 사용했습니다. 이미지는 무조건 input.png라는 이름으로 작업 경로에 존재해야 하고 28x28 크기여야 합니다.배경은 검은색, 숫자는 흰색으로 그리세요.input.png가 없으면 구글 드라이브에서 테스트 이미지를 다운로드하는데 번거로우니 그냥 직접 그리세요. 미리 학습된 가중치 데이터를 원하시면 아래 링크에서 받으시고 작업 경로에 넣어주세요. 코드: # !pip install -U -q PyDrive import sys import os.path import numpy as np import keras from keras import layers,..
이게 공식 API인진 모르겠지만 확실히 동작은 하는 것 같습니다. 공식이 아니라면 누군가가 프로토콜을 연구해서 만든게 아닐까 싶네요. 자세한 API 문서는 아래 링크에 있습니다. https://vrchatapi.github.io 저도 안지 얼마되지 않아서 API 라이브러리를 사용해 친구 정보를 불러오는 것까지만 해봤습니다. 실제로 제 친구 목록이 떴고 오프라인 상태인지 여부도 확인할 수 있었습니다. 기능은 이거 말고도 많습니다. 회원가입 요청, 친구 요청, 친구 삭제, 유저 정보 조회 등... 아래는 닷넷용 라이브러리를 이용해서 제가 직접 테스트해본 코드입니다. API 설정 정보를 얻어 API Key를 출력해보고 로그인해서 친구 목록을 불러오는 예제입니다. 코드: 결과: 죄다 오프라인이네 흑흙... 뭐 ..
이번 휴가에 해결하겠지만 지금은 사지방에서 구글 로그인이 안됩니다. 그래서 평소에 자주 유튜브 추천 영상을 보던걸 못하게 되어서 반강제로 건전한(?) 나날을 보내고 있었지만 이렇게는 못살겠다(?) 싶어서 제 클라우드 서버를 활용하기로 했습니다. 만들고 바로 다음날 구글 로그인이 되기 시작했습니다 ㅂㄷㅂㄷ.... ㅠㅠ 조금만 더 빨리 만들껄... 그래도 자료로서 글은 올려봅니다. 코드 조각은 이러합니다. 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849using (IWebDriver driver = new ChromeDriver(".")){ var driverWait = new WebDriverW..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. 케라스의 Layer 클래스를 상속받아서 새로운 레이어를 직접 만들어 써보는 예제입니다. 간단하게 Dense와 비슷한 레이어를 만들었습니다. 공식 문서에도 비슷한 예제가 소개되어 있습니다. 코드:12345678910111213141516171819202122232425262728293031323334from keras import backend as Kfrom keras.engine.topology import Layerfrom keras import initializersfrom keras import modelsimport numpy as np class SFC(Layer): def __init__(self, n..
다른 분의 강좌를 보면서 따라했습니다. 사실 따라했다기 보다는 코드 복붙해놓고 이해하려고 노력했다는게 더 정확하지만 ... 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414..
Colab에서 외부 파일을 불러오고 싶을때 이 방식을 쓰면 가능합니다. # Install the PyDrive wrapper & import libraries. # This only needs to be done once per notebook. !pip install -U -q PyDrive from pydrive.auth import GoogleAuth from pydrive.drive import GoogleDrive from google.colab import auth from oauth2client.client import GoogleCredentials # Authenticate and create the PyDrive client. # This only needs to be done once..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. keras.preprocessing.image.ImageDataGenerator는 데이터를 이리저리 변형시켜서 새로운 학습 데이터를 만들어줍니다. 변형의 예시는 회전, 이동 등등 매우 다양합니다. 아래 코드는 CNN을 이용해서 MNIST 이미지를 분류하는 예시인데 일부러 데이터 수를 줄이고 ImangeDataGenerator를 통해서 데이터를 늘린 뒤 학습을 진행할겁니다. 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717..
https://js.tensorflow.org/ 뒷북이면 둥둥이라고 해주세요. 웹 브라우저에서 동작하는 TensorFlow가 나왔습니다. 이전에도 가능은 했을지 모르겠지만 공식적으로 발표가 나온것 같습니다.+ 내용 추가) 이전부터 있었던 deeplearn.js가 TensorFlow.js로 이름을 바꾼거라고 하네요. 크게 기능을 보자면 학습된 모델을 불러와서 쓸 수 있다. 불러온 모델을 학습시킬 수 있다. 직접 모델을 작성할 수 있다. 그러니까 다 된다는 말이죠 ㅋㅋ 간단하게 코드의 모습이나 디자인 컨셉을 보고싶으시면 https://js.tensorflow.org/tutorials/core-concepts.html 여기서 보시면 됩니다.눈에 띄는건 js의 메모리 관리 특성상 필요한 dispose, tidy..