오랜만이다!이직과 개인사정으로 인해 공부를 깨작깨작하고 있다가 다시 마음 먹고 포스팅하려 한다. ---------------------------------------------------------------------------------------------------------------------- 지난번 포스팅은 합성곱 신경망을 통해 비전 분류 모델을 학습시켰다. 이번에는 학습된 모델을 가지고각 층에서 어떠한 활성화가 일어나고 있는지 확인해 볼 수 있는 시각화 클래스 활성화 히트맵을 시각화하여 이미지의 클래스의 위치를 시각화하는 방법을 포스팅하려 한다. 활성화 된 출력 보기가장 간단한 방법으로는 전처리한 이미지를 모델에 입력하여 지나간 층마다 활성화된 출력을 보는 것이다. 이 때 케라스에 내장..

레디스 클러스터 구성$ redis-cli --cluster create {아이피:포트} {아이피:포트} {아이피:포트} [ 아이피:포트 ] --cluster-replicas {레플리카 수} 레디스 클러스터 구성 (AAA) redislabs 사용$ rladmin cluster create name {클러스터 명} username {사용자명} password {비밀번호} 레디스 Active-Active Architecture (AAA) 구성$ crdb-cli crdb create --name {crdb명} --memory-size {메모리사이즈 ex)512mb} --port {포트} --replication {true/false} --shards-count {샤드 수} --instance fqdn={클러스터..

도커 네트워크 생성$ docker network create {네트워크명} --subnet={아이피/서브넷마스크} --gateway={네트워크아이피} 네트워크로 도커 실행(데몬) * cap-add는 권한 부여이고 sys_resource는 시스템 자원에 대한 것.참조 : https://runebook.dev/ko/docs/docker/engine/reference/run/index$ docker run -d --cap-add sys_resource --name {도커명} -h {헤더명} -p {외부포트:내부포트} [ -p {외부포트:내부포트} ] --network={네트워크명} --ip={네트워크서브넷아이피 중 택일} 이미지명 네트워크 연결(해제)$ docker network (dis)connect {네트..

카프카 파티션을 두개로 늘려주었다.  같은 토픽명으로 카프카리스너 어노테이션을 달아주면 자동으로 컨슈머 그룹에 할당된다. @KafkaListner 어노테이션에 groupId 를 동일하게 해도 같은 결과를 볼 수 있다.  groupId를 다르게 하면 각각 컨슈머 그룹에 파티션이 모두 할당된다.

토픽 설명$ bin/kafka-topics.sh --bootstrap-server {아이피:포트}  --topic {토픽명} --describe 토픽 증가$ bin/kafka-topics.sh --bootstrap-server {아이피:포트} --topic {토픽명} --alter --partitions {파티션 수}

합성곱 신경망(Convolution Neural Network) 대부분의 컴퓨터 비전 애플리케이션에 사용되는 합성곱 신경망을 구성해보자. ep.1에서 다뤘던 완전 연결 신경층(Dense Layer)으로 만든 모델은 사실 비전 애플리케이션에는 그렇게 적합하지 않다. 비전처리를 효율적으로 하기 위해서는 이미지의 특징을 잡는 것이 중요하다. 위의 새 이미지를 예로 들면, 새의 부리에 대한 특징을 각 이미지에서 찾아내면 해당 이미지는 새가 있을 확률이 높아진다. 이 때 부리가 그림의 어느 좌표에 존재하는지는 크게 상관이 없다. 그런데 완전 연결 신경층에서 데이터를 학습하게 된다면 같은 부리여도 부리의 좌표가 다르면 새로운 패턴으로 인식하게 되어 학습 시에 비효율적으로 학습하게 된다. 하지만 합성곱 신경망(컨브넷..