전체 글
TCP/IP UDP 통신 정리
1. 프로토콜의 정의전자기기 간의 원활한 1. 프로토콜의 정의전자기기 간의 원활한 통신을 하기 위해 만든 규약약간 모스 부호 처럼 정해 놓고 맞춰 통신을 하는 형식여기에 HTTP/ DNS / IP / TCP / UDP 등이 있다즉, 전부 다 규칙이 있다는 거간단히 IP : 255.255.255.0 이런거
통신 기초 정리 ()
TCP는 뭐고 UDP는 뭐고 IP는 뭐고 또 갑자기 프로토콜, 패킷 이런게 뭔지 몰라서현업에서 하나도 이해가 되질 않아 정리하는 글?? : 너 통신학과 아니야?나 : 아,, 통신학과 이긴 한데 저는 AI로 전향을 하고 통신은 버린... ;; ^^ 1. IP (Internet Protocol)패킷 통신 방식의 인터넷 프로토콜IPv48비트씩 4 블록172.211.32.52 이래 생긴거IPv616비트씩 8개 블록2001:0dv8:0000:0000:9a3d:0044:2034:a0e1 이래 생긴거그냥 IPv4로는 부족해서 추가 한거 3. HTTP / HTTPS 차이이런 거 하나하나 놓치지 않고 보자사실 큰 차이는 없지만 HTTPS = HTTP + SSL 이다 (보안 강화) 3. DNS다른 건 대충 알겠는데 DNS..
OSI 7 Layer
OSI (Open Systems Interconnection Reference Model)은 컴퓨터 네트워크 프로토콜을 계층으로 나누어 설명 Layer를 전부 조사하기 보단 주요 layer만 보면 (위에서 부터)Application Layer (7 layer)사용자가 UI 등으로 접하는 응용프로그램과 관련된 계층Data + HTTP HEADERHTTP, DNS 등이 여기 존재DataLink layer (2 layer) Physicial Layer (1 layer)물리적인 계층으로 전기적 신호가 전송됨Cable
[총정리] Pytorch로 AI 모델링을 하는데 필요한 모든 것
1. DatasetDataset은 단순히 csv나 Json을 이용하는 거 아니야? 라고 생각하지만 엄밀히 말하면 파일을 가져와서 아래와 같은 방식으로 변환해 줘야 한다(대부분)DataFrame -> numpy -> Tensor 즉 Tensor 형식으로 Data를 불러와야 하고 방법은 torch.utils.data를 이용하는 것이다 쉽게 아래만 기억하자1. DataFrame 가져오기2., DataFrame 에서 x 와 y 를 나누기3. x, y를 각각 to_numpy() 를 이용해서 numpy로 바꾸기4, numpy를 torch.FloatTensor(numpy).to(device) 를 통해 Tensor로 변환하고 장치에 올리기 Tensor 종류는 이 링크 참고 https://pytorch.org/docs/..
탭 정리
Docker 관련https://velog.io/@jiheon/Docker-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EB%A7%8C%EB%93%A4%EA%B8%B0 [Docker] 이미지 생성하기Docker Image를 생성하는 방법인 Commit과 Dockerfile/Build에 대해 알아보자velog.io https://velog.io/@rsj9987/Docker-%ED%99%9C%EC%9A%A9%ED%95%98%EC%97%AC-%EB%A6%AC%EB%88%85%EC%8A%A4-%EC%84%9C%EB%B2%84%EC%97%90-%ED%8C%8C%EC%9D%B4%EC%8D%AC-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0%EC%A3%BC%ED%94%BC%..
VSC REMOTE View Setting
Ctrl + Shift + P ssh 검색 Open SSH Configuration File 클릭 config 파일을 열어서 아래 형식대로 입력 Host [화면표시 이름] HostName [ip 주소] User [계정명] Port [port number] IdentityFile [key location] 22번 port이면 생략가능하다 (IdentityFile도 생략이 가능) 다시 Ctrl + Shift + P 연 다음 ssh 검색 Connect to Host 클릭 gitlab ssh key 생성 commandssh-keygen -t rsa -C "gitlab.ymtech" -b 4096https://mj-youn.github.io/git-ssh-key-%EC%82%AC%..
VSC Bash 터미널 세팅
처음 Visual Studio Code를 다운로드 받고 터미널을 켜보면Window 기준 Powershell로 켜진다근데 대부분의 Cmd 는 bash 에서 사용하기 때문에Git Bash 로 바꿔 주도록 하자 먼저 Git을 다운받아 줘야한다. https://git-scm.com/ Git git-scm.com여기서 본인의 운영체제에 맞는 Git을 다운로드 받은 후에 다운로드 창을 진행하다 보면여기 체크 리스트에 Add a Git Bash Profie 이 체크되었는지 확인하자 VSC에 들어와서Ctrl + , 를 누르면다음 세팅창에 들어온다여기 Search Settings 부분에 아래의 코드를 입력하면terminal.integrated.defaultprofile.windows이렇게 Terminal Default ..
[Python] Streamlit 활용 전 정리
참고 블로그 : https://blog.zarathu.com/posts/2023-02-01-streamlit/ 차라투 블로그 - Python Streamlit 패키지를 이용한 대시보드 만들기https://docs.streamlit.io/library/api-reference 를 바탕으로 정리한 글입니다. 2023년 2월 기준) streamlit version 1.17.0 을 기준으로 작성하였습니다. Streamlit 소개 언제 스트림릿을 사용해야할지 스트림릿이 타blog.zarathu.com 0. 제목 만들기 1. Tab 만들기import streamlit as st# 탭 생성 : 첫번째 탭의 이름은 Tab A 로, Tab B로 표시합니다. tab1, tab2= st.tabs(['Tab A' , 'Tab..
공부할 것들
1. TCP VS UDP https://dev-coco.tistory.com/144#head3 TCP와 UDP의 특징 및 차이점 알아보기TCP와 UDP는 OSI 7 계층들 중 TCP/IP의 전송 계층에서 사용되는 프로토콜이다. ※ 전송 계층은 송신자와 수신자를 연결하는 통신서비스를 제공하는 계층이다. 즉, 데이터의 전달을 담당하며 전달되는dev-coco.tistory.comhttps://forward-movement.tistory.com/188 [14] TCP/IP 전송 계층(Transport)과 포트(Port) 번호 | 복습 ∨본 글은 아래의 [변계사 Sam] 블로그에서 개인적인 학습의 목적으로 허가를 받고 발췌하였음을 밝힙니다. https://better-together.tistory.com/134?..
[2] Data Augmentation 과 Pre-training / Self training
"Deep Learning은 항상 배고프다" Data Augmentation -> pytorch 로도 구현이 되어 있고 Opencv나 Numpy를 이용할 수 있다 Affine Transforamtion (Shear Transformation) 직사각형의 이미지를 약간 평행사변형 + 회전 시킨다고 볼 수 있다 이거 기준들이 좀 애매하기 때문에 전 이미지의 세 점을 이후 이미지의 세 점과 매핑시키는 방싣ㄱ으로 구현 rows, cols, ch = image.shape pts1 = np.float32([[50,50],[200,50],[50,200]]) pts2 = np.float32([[10,100],[200,50],[100,250]]) M = cv2.getAffineTransform(pts1,pts2) she..
[1] Computer Vision 소개 및 대표 모델
Machine Learning VS Deep Learning Machine Learning Input -> Feature Extraction( 전문가가 수행 ) -> Machine Learning (classification) -> Output Deep Learning (Machine Learning 기법 중 하나) Input -> Deep Learning (Feature Extraction -> classfication) -> Output Convolutional Neural Network (CNN) IDEAL (ex K-NN (K-Nearest Neighbors)) K-NN은 정의하고자 하는 Data 주변에 어떤 Data들이 분포하는 지를 보는 것 (ex 주변에 개가 많으니 개 이다! ) 전체 경우에..
