초급개발자의공부노트

1. 구글 클라우드 플랫폼 쉘 환경에 접속하여 다음과 같이 입력 ( 가상환경 사용을 위해 virtualenv 를 설치해야 합니다. ) pip install --upgrade virtualenv 2. 사용할 프로젝트 폴더를 준비합니다. mkdir XXXX 3. 프로젝트 폴더로 이동 후 가상환경을 만들어 줍니다. cd XXXXvirtualenv --python python3 XXXX 파이썬 3 환경의 가상머신을 만들겠다는 내용입니다. 4. 그 다음 가상환경으로 접속해보겠습니다. source XXXX/bin/activate 5. 다음 명령어를 통해 스토리지를 설치합니다pip install google-cloud-storage 6. 가상환경 접속을 하면 쉘 스크립트 맨 앞에 (XXXX) 가 생기면 가상환경 접속..

manage.py migrate 명령어를 실행합니다. 그럼 위 사진과 같이 db.sqlite3 이라는 파일이 생성된 것을 볼 수 있습니다.그런 다음 manage.py createsuperuser 명령어를 통해 슈퍼유저를 생성합니다. 생성 후 manage.py runserver 명령어를 통해 서버를 동작시키고http://127.0.0.1:8000/ 으로 웹 브라우저에서 접속을 하면 아래와 같은 화면이 나오면 장고가 정상적으로 작동 되는 것입니다!

장고 프레임워크에서 프로젝트 생성을 마쳤다면 , 앱을 생성해야 하는데요 앱 생성은 아래와 같은 명령어를 사용하시면 됩니다. python manage.py startapp XXX 저 같은 경우 아나콘다 환경에서 설치했기 때문에 프로젝트 현재 위치에서 manage.py startapp XXX 명령어를 실행했습니다. 그 다음 디렉터리를 확인해 보시면 FristApp 이라는 폴더가 생성이 되었을것입니다. 그렇다면 정상적으로 프로젝트의 앱이 생성 된 것입니다.

이 포스트는 아나콘다 환경이 설치되어 있다는 가정 하에 진행하겠습니다. 우선 아나콘다 프롬프트를 열어주시고 장고 프레임워크를 위해 가상환경을 만들어야 합니다. conda create --name FristProject python=3 해당 명령어를 통해 가상환경을 만들도록 합니다. 저 같은 경우 가상환경의 이름은 FristProject 로 했는데 다른이름으로 주셔도 상관없습니다. python=3 는 파이썬 3 환경으로 가상환경을 만들어라 하는 것 입니다. 그리고 activate 명령어로 해당 가상환경에 접속합니다. 가상환경 변경을 하면 앞에 (base) 가 아닌 (FristProject) 로 변경된 것을 확인 할 수가 있습니다. 가상환경 변경 후 장고 설치를 하면 되는데 설치법은 간단합니다. pip in..

1234567891011121314151617181920import tensorflow as tf ㅁㄴㅇㄴㅁㅇ# 상수 정의 1a = tf.constant(120, name="a")b = tf.constant(130, name="b")c = tf.constant(140, name="c") # 변수 정의 2v = tf.Variable(0, name="v") # 데이터 플로우 그래프 정의 3calc_op = a * b * cassign_op = tf.assign(v, calc_op) # 세션 실행 4sess = tf.Session()sess.run(assign_op) # 출력 5print(sess.run(v))cs a,b,c 상수 3개를 정의했습니다. 이름을 붙인 매개변수를 사용하면 상수와 변수에 별칭을 붙일..

123456%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npx = np.arange(-20, 20, 0.1)y = np.sin(x)plt.plot(x,y)cs 위 사진과 같이 주피터노트북환경에서 데이터 시각화 결과를 인라인 출력으로 곧바로 확인 할 수 있다.

간단한 덧셈 프로그램 12345678910111213import tensorflow as tf # 상수a = tf.constant(1234)b = tf.constant(5000) # 계산 정의add_op = a + b # 세션 시작sess = tf.Session()res = sess.run(add_op)print(res)cs import tensorflow 명령어를 통해 텐서플로우를 불러온다.텐서플로우 내부에 a = 1234 , b = 5000 을 정의한다덧셈하는 계산을 정의한다. ( 변수 add_op에 대입되는 것은 덧셈 결과로 나오는 상수가 아니라 데이터 플로 그래프 라는 객체이다. )텐서플로우로 계산을 실행하기 위한 세션을 실행한다.세션을 시작하려면 run 명령어를 통해 데이터 플로그래프를 run(..

Pandas 모듈의 DataFrame 기능을 사용하여 구현했습니다.데이터 학습과 예측은 이전과 같습니다. 마지막으로 정답률 구하는 것은metrics.accuracy_score() 함수를 이용하여 정답률을 쉽게 구하였습니다. 매개변수에는 실제 답과 예측 결과 배열을 전달하면 됩니다. 1234567891011121314151617181920212223import pandas as pdfrom sklearn import svm, metrics # XOR 연산xor_input = [ [0,0,0], [0,1,1], [1,0,1], [1,1,0]]# 입력을 학습 전용 데이터와 테스트 전용 데이터로 분류xor_df = pd.DataFrame(xor_input)xor_data = xor_df.ix[:,0:1] # 데..

파이썬에서 쉽게 사용할 수 있는 머신러닝 프레임워크인 scikit-learn(사이킷 런)을 사용해본다.scikit-learn은 파이썬 머신러닝 라이브러리의 정석과도 같은 라이브러리이다. 사이킷 런은 다양한 분류기를 지원하며, 머신러닝의 결과를 검증하는 기능도 가지고있다. 또한 분류, 회귀, 클러스터링, 차원 축소처럼 머신러닝에서 자주 사용되는 다양한 알고리즘을 지원한다. 필자는 아나콘다와 주피터 노트북을 활용해서 테스트를 할 것입니다. 1. scikit-learn 패키지 설치하기 2. 데이터를 읽고 분할할 때 편리하게 사용할 수 있는 Pandas 도 설치한다. (나중에 따로 포스트함 ...) pip install pandas 사이킷 런으로 XOR 연산 학습해보기 ( 어떤 흐름으로 머신러닝을 하는지 알아보..

머신러닝이란인공지능 연구 과제 중의 하나로, 인간의 뇌가 자연스럽게 수행하는 "학습"이라는 능력을 컴퓨터로 구현하는 방법.간단히 설명하면 수많은 데이터를 학습하여 거기에 있는 패턴을 찾아내는 것최근에는 머신러닝을 활용해 문자 인식, 음성 인식, 바둑 등등 개발이 이뤄지고 있다. 머신러닝에서의 벡터(Vector)아래의 사진을 보면 Circle 과 Rectangle이 모여있는 것을 확인할 수 있는데 공간에서 벡터는 크기와 방향을 가진 것을 의미한다. 이처럼 어떤 요소가 모여있는 것을 "특징량" 이라고 한다. 머신러닝은 계산을 통해 구분선을 찾아내는 것이다. 구분선을 찾을 때는 점과 점 사이의 거리를 구하고, 거리가 가까우면 비슷한 데이터라고 판정한다.머신러닝에서의 특징 추출머신러닝을 하려면 데이터가 어떤 특..