귀찮아서가끔하는블로그

파이썬 멀티프로세싱 파이썬 멀티프로세싱 multiprocessing 은 threading 모듈과 유사한 API를 사용하여 프로세스 스포닝(spawning)을 지원하는 패키지입니다. multiprocessing 패키지는 지역과 원격 동시성을 모두 제공하며 스레드 대신 서브 프로세스를 사용하여 전역 인터프리터 록 을 효과적으로 피합니다. 이것 때문에, multiprocessing 모듈은 프로그래머가 주어진 기계에서 다중 프로세서를 최대한 활용할 수 있게 합니다. 유닉스와 윈도우에서 모두 실행됩니다. 출처 : https://docs.python.org/ko/3/library/multiprocessing.html 간단한 예제를 통해 multiprocessing의 장점을 살펴보자 1. multiprocessing..

파이썬 flask api 호출 테스트 간단한 예제를 통해 flask api 호출 테스트를 해보자 1. flask_test.py 작성 from flask import Flask, request, jsonify import multi_test import time from datetime import datetime app = Flask(__name__) app.config['JSON_AS_ASCII'] = False @app.route('/multi') def getMultiTest(): start_time = time.time() print("=====================================================") print("getMultiTest start_time : ",..

flask를 이용하여 python api 만들기 이전 포스팅에 이어 오늘은 flask를 이용하여 easyocr api를 만들어 보려고 한다. 이전포스팅 https://y-unknow94.tistory.com/22 [python] flask 사용해보기 1. flask란? 플라스크는 Python의 마이크로 웹 프레임워크이다. 다양한 웹 엔진과 붙여서 쓸 수 있고 또 가볍기도 해서 Django와 같이 쓰는 경우도 있다. 코드도 비교적 단순하고, 특히 API 서버를 만 y-unknow94.tistory.com 이전포스팅 https://y-unknow94.tistory.com/21 [python] easyocr 사용해보기 easyocr 사용해보기 easyocr을 사용하기 전에 OCR이 무엇인지 알아보자 OCR이란..

1. flask란? 플라스크는 Python의 마이크로 웹 프레임워크이다. 다양한 웹 엔진과 붙여서 쓸 수 있고 또 가볍기도 해서 Django와 같이 쓰는 경우도 있다. 코드도 비교적 단순하고, 특히 API 서버를 만들기에 매우 편리하다. 관련된 확장 기능들이 많기 때문이다. 출처 : 나무위키 2. flask 설치 pip install flask 3. flask 간단한 예제 from flask import Flask app = Flask(__name__) @app.route("/") def hello(): return "Hello Python!" if __name__ == "__main__": app.run(host='0.0.0.0') #로컬 ip로 실행 4. flask 실행 python flask.py ..

얼굴 인식 오픈 소스 deepface 실행시켜보기 1. 소스 코드 다운로드 https://github.com/serengil/deepface?ref=hackernoon.com GitHub - serengil/deepface: A Lightweight Face Recognition and Facial Attribute Analysis (Age, Gender, Emotion and Race) Library A Lightweight Face Recognition and Facial Attribute Analysis (Age, Gender, Emotion and Race) Library for Python - GitHub - serengil/deepface: A Lightweight Face Recognitio..

얼굴 인식 오픈 소스 face_recognition 실행시켜보기 1. 소스 코드 다운로드 https://github.com/ukayzm/opencv GitHub - ukayzm/opencv: Practice OpenCV and TensorFlow Practice OpenCV and TensorFlow. Contribute to ukayzm/opencv development by creating an account on GitHub. github.com ※ 실제 face_recognition 패키지는 https://github.com/ageitgey/face_recognition에서 운영 중 GitHub - ageitgey/face_recognition: The world's simplest facial ..

1. Anaconda prompt 실행 2. 가상 환경 생성하기 conda create -n 가상환경이름 python=버전 가상 환경 설정이 완료되고 나면 anaconda3/envs/ 경로에 생성된 폴더를 볼 수 있음 3. 가상 환경 확인하기 conda info --envs 4. 가상 환경 활성화하기 conda activate 가상환경이름 5. 가상 환경 비활성화하기 conda deactivate 6. 가상 환경 라이브러리 설치하기 pip install 라이브러리 7. 가상 환경 라이브러리 확인하기 conda list 8. 가상 환경 복제하기 conda create -n 복사된가상환경이름 --clone 복사할가상환경이름 9. 가상 환경 삭제하기 conda remove -n 가상환경이름 --all 10. ..

집합 자료형 집합에 관련된 것들을 쉽게 처리하기 위해 만들어진 자료형 s1 = set("Hello") print(s1) ## 결과 {'e','l','o','H'} ## 순서가 없고 중복이 허용되지 않음 ## 선언 예시 s1 = set("Hello") s2 = {"H","e","l","l","o"} s3 = set([1,2,3]) s4 = {1,2,3} 교집합 s1 = set([1,2,3,4,5,6]) s2 = set([4,5,6,7,8,9]) print(s1 & s2) #교집합 ##결과 {4,5,6} print(s1.intersection(s2)) #교집합 ##결과 {4,5,6} 합집합 s1 = set([1,2,3,4,5,6]) s2 = set([4,5,6,7,8,9]) print(s1 | s2) #합집..

딕셔너리 : 연관 배열 또는 해시, key를 통해 value를 얻음 딕셔너리 쌍 추가하기 a = {1: 'a'} a[2] = 'b' ## key 2 value 'b'추가 print(a) ## 결과값 {2: 'b', 1: 'a'} 딕셔너리 요소 삭제하기 a = {1: 'a', 'name': '홍'} del a['name'] ## key naem 삭제 print(a) ## 결과 {1: 'a'} key 리스트 만들기 keys a = {'name': 'pey', 'phone': '01012345678'} a.keys() ## 키 리스트 만들기 print(a.keys()) ## 결과 dict_keys(['name', 'phone']) value 리스트 만들기 values a = {'name': 'pey', 'ph..

리스트 : 변수명을 하나하나 지정해주기 힘들 때 리스트를 사용. 리스트명=[값1, 값2, ...] 리스트 요소 추가 append(value) a = [1,2,3] a.append(4) ## a리스트에 4요소 추가 print(a) ##결과 [1,2,3,4] 리스트 요소 추가 insert(index, value) a = [1,2,3] a.insert(0,4) ## a리스트 0번째 인덱스에 4요소 추가 print(a) ##결과 [4,1,2,3] 리스트 확장 extend a = [1,5,3,4] a.extend([2,3]) # a리스트에 [2,3]리스트 추가 print(a) ##결과 [1,5,3,4,2,3] 리스트 요소 제거 remove(value) a = [1,2,3,5,5] a.remove(5) # a리스트..