docker hub에 도커 이미지를 업로드 해보겠습니다. 지난 시간에 사용한 nginx를 제 도커 허브 계정에 푸쉬 해보겠습니다. 1. 이미지 태그 생성 docker tag [기존이미지 이름]:버전 USERNAME/새로운 이미지이름:버전 docker tag nginx:latest hojihun5516/nginx:1 2. 이미지 확인 docker images 3. Docker hub 로그인 우리가 올릴 도커 허브의 계정 정보를 컴퓨터에 저장시킵니다. docker login 4. Image Push docker push [USERNAME]/[IMAGE NAME] docker push hojihun5516/nginx
도커에서 사용되는 간단한 명령어들을 nginx를 사용하여 정리 해보겠습니다. 도커 이미지 실행 nginx의 이미지를 따로 다운받지 않았으면 도커는 docker.io/nginx:latest 에서 이미지를 다운받습니다. -d 옵션은 백그라운드 실행입니다. docker run -d nginx 컨테이너 조회 현재 실행되고 있는 컨테이너를 보여줍니다. CONTAINER_ID는 다를 수 있습니다. docker ps 컨테이너 상세 정보 컨테이너의 네트워크, 볼륨 상태등 자세한 정보를 보여줍니다. docker inspect CONTAINER_ID # 저의 경우 # docker inspect 6edc56f8103a 컨테이너 로깅 조회 # 기본 조회 docker logs CONTAINER ID # follow log ou..
Ubuntu 20.04 Docker install docker.io 패키지 사용 sudo apt update && sudo apt install -y docker.io net-tools sudo usermod -aG docker $USER # restart server sudo reboot Ubuntu 20.04 Docker-Compose install sudo curl -L "https://github.com/docker/compose/releases/download/1.27.4/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose sudo chmod +x /usr/local/bin/docker-compose #check do..
문제: 총 8번의 경기를 했고 경기마다 가장 많은 골을 넣은 사람의 이름과 골을 한개의 객체로 배열에 값을 저장했다. 이때 중복되는 선수 이름은 제거하고 선수의 이름과 가장 높은 골의 수만 남기십시오 (오름차순 정렬). player_goal = [ {"name":"철수","goal":3},{"name":"민수","goal":5},{"name":"철수","goal":2}, {"name":"지훈","goal":7},{"name":"민수","goal":2},{"name":"민호","goal":1}, {"name":"지훈","goal":11},{"name":"민수","goal":3} ] result = [] for pg in player_goal: check = 0 for i in result: if i['na..
1. DTM (Document-Term Matrix) 각 문서에 대한 BoW 표현 방법을 그대로 갖고와서, 서로 다른 문서들의 BoW들을 결합한 표현 방법인 문서 단어 행렬입니다. 2. TF (Term Frequency) 특정 문서에서의 특정 단어 t의 등장 횟수입니다. 3. DF (Documet Frequency) 전체 문서에서 해당 단어가 포함된 문서가 몇번 나왔는지를 체크합니다. 해당 단어가 나타난 문서의 수/ 전체 문서의 수 4. IDF (Inverse Document Frequency) DF에 역수를 취해주는 작업입니다. 값에 로그를 취해 수가 많이 커지는 것을 방지하고, 분모에 1을 더해 분모가 0이되는 것을 방지합니다. 공식은 아래와 같습니다. $$log(\frac{n}{1+df(x)})$$..
컴퓨터는 자연어를 이해하지 못하기 때문에 컴퓨터가 알 수 있게끔 해줘야 합니다. 가장 간단한 방법은 문장을 쪼개서 컴퓨터한테 인식시키는 것입니다. 문장을 쪼개서 해당하는 칼럼의 값에 카운트를 올려주는 방식입니다. 즉 문장 속 단어의 빈도수를 체크해줍니다. BoW 단점: 단어의 빈도수만 체크하기 때문에 문장의 의미를 제대로 이해하기 힘들다. ex_ "좋다가 말았네" 문장의 재구성이 불가능하다 Bow를 만드는 방법 "오늘도 나는 축구를 한다 나는 축구를 좋아해" "지금 축구를 하고 싶어" 라는 문장들이 있을 때 이 문장을 컴퓨터가 이해하게끔 간단한 방법을 사용해 보겠습니다. 1. 띄어쓰기 단위 단점: 좋아해, 좋아함, 좋아 등을 구분 못해서 사용자 사전이 엄청 커집니다. 오늘도 나는 축구를 한다 좋아해 지금..
마지막으로 테스트 단계입니다. 14. 테스트 해볼 이미지 다운 테스트 해볼 이미지를 research/object_detection/test_images에 다운받습니다. 15. 노트북 실행 research/object_detection에서 jupyter notebook을 실행합니다. colab_tutorials에 있는 object_detection_tutorial.ipynb 파일을 실행합니다. 16. 테스트 해당 셀 부터 실행하면 됩니다. Loading label map 부분을 아래와 같이 수정해주세요. # List of the strings that is used to add correct label for each box. PATH_TO_LABELS = '../images/labelmap.pbtxt' ..
