꿈꾸는 개발자의 devLog

원하느 시간대에 특정 배치 작업이 실행 되기를 원한다면 작업 스케줄러 설정하면 됨 ! 윈도우 키 - 작업 스케줄러 검색 그럼 이런 화면이 뜬다 ! 여기서 새 작업을 만드려면 우측에 "작업 만들기" 버튼 클릭  여기서, 체크해야할 것 두 가지 !가장 높은 수준의 권한으로 실행 체크하기구성 대상 : Windows10다음, 트리거 탭으로 넘어가서 언제 작업이 실행 될지 설정해준다트리거 탭 클릭 - 새로 만들기 클릭여기서 설정해 준 것은 필요한 시간대를 설정해 줬다 다음으로는 어떤 파일을 배치 작업 해줄지 설정해줘야 하는데동작 탭 클릭 - 새로만들기 클릭여기서 처음에 시도했던건 프로그램/스크립트에 ".bat" 파일을 넣었었는데, 동작이 잘 되지 않아서 아래와 같이 진행했다 ! 먼저, 프로그램/스크립트에는 로컬 ..

사실 해당 작업은 주피터 노트북 UI에서 쉽게 진행할 수 있지만...왜인지 모르겠지만 나는 그게 없다!! 안보인다!!그래서 찾아낸 방법... 바로 nbconvert! 일단, anaconda 환경에서 nbconvert 를 설치한다 conda install nbconvert  설치 완료 후, 아래와 같은 명령어를 실행함* 변환하고자 하는 노트북 경로 파일에서 진행해야 함 ! jupyter nbconvert --to script test_batch2.ipynb  이렇게 완료된 것을 확인하면, test_batch2.py 파일이 새로 생성된 것을 해당 경로에서 확인 할 수 있음! 주피터 노트북 UI에서 안보인다고 당황하지 마시길 ! :)

github 에서 파일을 수정하고, git bash에서 "git pull" 이라는 명령어를 사용하였을 때 아래와 같은 오류 발생 There is no tracking information for the current branch. Please specify which branch you want to merge with. See git-pull(1) for details. git pull If you wish to set tracking information for this branch you can do so with: git branch --set-upstream-to=origin/ master 이러한 오류의 이유는 github에서 branch가 여러개인데, git pull 명령어 진행 시 branc..

Ref : https://learn.microsoft.com/ko-kr/windows/ai/windows-ml/tutorials/pytorch-data 분류에 대한 PyTorch ML 모델 준비 분류에 대한 Pytorch ML 학습 모델 준비 learn.microsoft.com 위의 링크에서 제시하는 예제를 테스트 하였음 해당 예제를 테스트한 서버의 스펙과 파이토치 버전은 아래와 같음 서버 : NVIDIA GeForce RTX 4090 torch : 1.13.1 torchvision : 0.14.1 python : 3.10 anaconda 환경의 주피터 노트북에서 실행하였음 [Dataset 준비] from torchvision.datasets import CIFAR10 from torchvision.tr..

pytorch 이미지 학습 예제를 수행하다보면 아래와 같은 오류가 발생할 수 있음 can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same 해당 오류 모두, 현재 pytorch에서 gpu가 설정되어 실행되고 있는데 데이터들이 cuda용이 아닌 일반 cpu로 설정돼서 오류가 발생하는 것임 따라서 다음과 같은 설정을 해줘야 함. 먼저, device를 cuda 사용 가능한 gpu로 설정해야 함 device = torc..

먼저, 아래 설정들은 원격 컴퓨터와 로컬 컴퓨터 모두 윈도우 환경일 때의 예시임을 참고 바랍니다. 또한 원격 컴퓨터와 로컬 컴퓨터가 같은 네트워크 상에 있는 환경 내 설정입니다. 기본적으로 컴퓨터에 OpenSSH 서버가 설치 되어 있습니다. 원격 컴퓨터에는 OpenSSH 서버가, 로컬 컴퓨터에는 OpenSSH 클라이언트가 설치 되어 있어야 합니다. 설치 확인 및 방법은 아래와 같습니다. 윈도우 설정 -> 앱 -> 선택적 기능 클릭 선택적 기능에서 "ssh" 검색 후, 원격 컴퓨터에는 OpenSSH 서버가 설치 되어 있는지 확인 로컬 컴퓨터에는 OpenSSH 클라이언트 설치 [서버 원격 연결] cmd 창을 열고, 원격으로 연결하고자 하는 서버 ip주소와 비밀번호를 입력 명령어 : ssh 계정이름@서버ip주..

[dataframe 예시] 'genre' 컬럼에 있는 값들을 '|'을 기준으로 분리 수행 df_gnr = pd.DataFrame([sub.split("|") for sub in df.genre.astype(str)]) df_gnr 0,1,2 숫자 형태로 이름이 설정된 컬럼에 'c'라는 문자열을 추가 df_gnr.columns = 'c' + df_gnr.columns.astype(str) df_gnr 컬럼 타입을 string으로 변경 어떤 영화의 장르들인 지가 보이지 않으므로 첫번째 컬럼 위치에 새로운 컬럼 삽입 df_gnr.insert(0, 'movie_name', df.mv_name) 영화별로 적힌 장르를 세로로 나열하고 싶은 경우 다음과 같은 코드 실행 (~= dataframe pivot) df_lo..

[pymysql 설치 ] ## pymysql 설치 pip3 install pymysql ## jupyter notebook에서 설치 시 코드 맨 앞쪽에 ! 붙이고 실행 ## !pip3 install pymysql [연동할 DB] 기존에 컴퓨터에 연결 되어 있던 mysql을 연동하겠습니다. [pymysql을 통한 DB 연동] host_name = 'localhost' host_port = 3306 username = 'root' password = '비번쓰세요' database_name = 'hwa' db = pymysql.connect( host=host_name, # MySQL Server Address port=host_port, # MySQL Server Port user=username, # My..