전체 글 (34) 썸네일형 리스트형 아나콘다(Anaconda)에서 프록시(proxy) 사용하기 Anaconda 에서 프록시를 사용해야 할 경우 아래와 같이 설정하자 홈디렉토리 밑에 .condarc 라는 파일을 만들고 아래 내용을 입력한다 channels: - r - defaults ssl_verify: noshow_channel_urls: trueallow_other_channels: true proxy_servers: http: http://192.16.2.112:8080 https: https://192.16.2.112:8080 맨 아래 IP 주소와 포트만 본인의 설정에 맞게 변경하면 잘 동작한다 wget에서 프록시(proxy) 사용하기 프록시를 써서 윈도우에서 다운로드를 해야 한다면 아래와 같이 해주자 홈디렉토리 밑에 .wgetrc 라는 파일을 만들고 아래 내용을 입력한다 (파일명 앞에 쩜(.)이 있는걸 주의하자) use_proxy = onproxy_user = [프록시서버ID]proxy_passwd = [프록시서버PW]http_proxy = http://192.16.2.112:8080https_proxy = http://192.16.2.112:8080ftp_proxy = http://192.16.2.112:8080 이후 wget 명령어는 프록시서버를 통해 다운로드 하게 된다. pip에서 프록시(proxy) 사용하기 프록시 서버를 이용하는 경우 두가지 방법이 있다 간단하게 뒤에 --proxy [프록시서버:포트] 를 입력하면 된다 pip install numpy --proxy 192.168.2.112:8080 하지만 매번 이렇게 하는 것도 귀찮다면 영구적으로 하는 방법도 있다리눅스라면 home directory안에 ~/.pip/pip.conf 파일을 생성하고 아래 내용을 입력해주자 [global]index-url=http://ftp.daumkakao.com/pypi/simpletrusted-host=ftp.daumkakao.comproxy=http://192.168.2.112:8080index-url=http://ftp.daumkakao.com/pypi/simple trusted-host=ftp.daumkakao.co.. pix2pix (2) - 데이터 학습 및 테스트 https://github.com/affinelayer/pix2pix-tensorflow위의 소스를 활용하였다. 학습환경 - OS : Ubuntu 16.0.4 - Python 3.6, Tensorflow 1.4.1 - GPU : Geforce 1080Ti 기본 설정이 되어있는데로 학습시켰으며 200 epoch 학습시켰다.논문에도 나와 있지만 별도의 parameter tweak 없이도 잘 돌아간다고 하니 건드릴게 없었다아래는 tensorboard를 통해 확인가능한 중간결과물이다. 물론 트레이닝셋 표본 안에서 돌린것이니 잘나왔다고 생각할 수 있겠다.다음은 실제 드로잉 이미지로 테스트해보자아래 사진에서 오른쪽 이미지는 인터넷에서 누군가 그린 펜더 이미지이다.그냥 팬더에 가까운 사진은 꽤 그럴사 하지 않은가?쿵.. pix2pix (1) - 데이터 준비 1.데이터 준비고래, 고양이, 공룡 등 여러가지 동물 데이터셋을 수집하였다.각각 500~700장 가량 수준이 모였다. 2. Training Set 준비 (전처리)pix2pix를 학습시키기 위해서는 아래와 같은 이미지를 준비해야 한다좌측이 입력이미지, 우측이 출력이미지가 된다.이러한 이미지를 학습시키면 트레이닝이 끝난 후 왼쪽과 같은 스타일의 이미지를 입력했을때우측과 같은 이미지를 만들어 낸다왼쪽의 이미지는 꼭 스케치한 형태가 아니어도 된다. 아래 이미지처럼 좌측 이미지의 형태를 우측으로 바꾸는데 적용할 수 있다.다른 것도 그렇지만 흑백이미지를 컬러로 변환하는 것도 눈길을 끈다.다시 고양이로 돌아가서 스케치한 이미지와 고양이 이미지를 준비할때 개인적인 생각으로 고양이를 사람이 직접 그린것을 쌍으로 준비하면.. [추천시스템] 딥 오토인코더 추천시스템 논문 번역 : Training Deep AutoEncoders for Collaborative Filtering 요약a) Deep AutoEncoder가 얕은 형태의 모델보다 훨씬 잘 동작함b) 비선형 activation Function과 Negative parts 가 딥모델을 학습시키는데 결정적이었음c) Overfitting을 방지하기 위해 Dropout과 같은 정규화 사용이 필요했음CF모델의 Sparseness를 해결하기 위한 반복적이고 re-feeding에 기반한 새로운 트레이닝 알고리즘을 제안함1. 서론추천시스템은 Context-based와 개인화 추천으로 나눌 수 있음Context-based : 위치, 날짜, 시간 등 상황에 기반한 추천개인화 추천은 일반적으로 CF를 이용하여 유저에게 아이템을 추천함유저의 선호도는 다른 사용자의 선호도에 기반하여 이루어지고 유저와 다른 유저간의 '유사성'을 기반으로 한 명.. 4. Django RestFramework - urls.py 수정 및 서버실행 1. urls.py 수정 ProjectName폴더 밑에 보면 urls.py이 있다안에 내용을 아래와 같이 수정해준다 from django.conf.urls import url, includefrom rest_framework import routersfrom AppName import views router = routers.DefaultRouter()router.register(r'forcast', views.ForcastDataViewSet) urlpatterns = [ url(r'^', include(router.urls)), url(r'^api-auth/', include('rest_framework.urls', namespace='rest_framework'))] 2. 서버 실행Project 폴.. 3. Django RestFramework - Serializer 만들기 1. Serializers.py 만들기json과 같은 파일이 REST로 통신하게 하려면 Serializer를 만들어줘야 한다뭔가 어려운데 내가 BAT라고 상대방에게 알려주고 싶은데 한번에 한 문자만 보내야 한다고 해보면B를 보내고 A를 보내고 T를 보내게 된다.근데 어떤 문제나 구조 때문에 받는 쪽에서 BAT를 TAB로 이해한다거나 ABT로 받는다면 안되지 않겠는가?이를 방지하기 위해 Serializer라는 것이 그 역할을 해준다 serializer는 전에 생성한 App인 AppName 밑에 폴더에 serializers.py라는 파일을 만든 후 아래 내용을 구현한다 from AppName.models import ForcastDatafrom rest_framework import serializers c.. 이전 1 2 3 4 5 다음