개인적인 개발팁 모음

아시는 분이 해부학 교수님이신데, 10여년 만에 뵙고 반갑게 인사하는데,

집에 놀러오면 차를 대접하겠다고 하셨다.

알고 보니 책까지 지으셨네.

코로나때문에 놀러가지는 못했지만, 

내가 전혀 알지도 못했고, 알려고 생각도 안해봤던 차의 세계에 약간이나마 발을 담궈봤다.

책을 보면서 내용도 재밌지만, 평상시에 허허 웃으시며 잘 몰랐는데,

굉장히 해박하시더라.

늦었지만, 나도 책 많이 읽어야지....

아들 고등학생이라 읽으라고 샀는데,

말을해도 안 들어먹고,

나도 한번쯤 읽어야지 하고 생각했었는데,

지난달부터 시간날 때마다 하나씩 읽어나갔는데,

드디어 다 읽었다.

예전에 '토지'를 읽을 때에도 느꼈지만,

구한말 나는 경험하지 못했던 보릿고개가 있고, 마름이라는 존재가 있고, 소작농으로 살아갔던 우리 조상들은 참 고달팠을 것 같다는 생각을 많이 한다.

지금도 살기가 녹록한 것은 아닌데,

적어도 굶지는 않으니깐....

1. nodejs 설치( https://nodejs.org/ko/ )

다운받아서 Next를 눌러서 설치

중간에 체크박스는 Enable 시켜줌

그러니 추가로 뭔가를 막 설치한다(Visual Studio 관련)

2. command line 실행

1) node -v : nodejs 버전을 보여준다

2) npm -v : npm 버전을 보여준다

3) npm install -g @vue/cli : vue cli 설치한다

4) vue --version : 설치가 제대로 되었는지 확인

5) 프로젝트 생성

 - 프로젝트명 : test1

 - vue create test1

- 다음 화면에서 Manually select features 선택

- Router, Vuex 2가지 추가로 설치 선택 후 엔터

- 2.x 선택 후 엔터

- 엔터

- 뒤로 남은것 모두 엔터

3. 설치방법 2 : npx @vue/cli create test2

4. VSCode로 생성된 폴더를 열어보면 다음과 같다

  - node_modules : Vue JS가 사용하는 npm 패키지들

  - package.json

  > dependencies : 프로젝트를 실행할 때 필요한 패키지들

  > devDependencies : 개발할 때만 필요한 dependency

  - src : 소스코드가 들어갈 파일

* 터미널에서 다음의 명령어를 입력하여 빌드

 > npm run serve

* 브라우저로 다음과 같이 연결

소프트웨어 개발로 2년이 넘게 직장생활 중인데,

비교적 젊을 때에는 어느정도 나이가 들면 자그맣게 창업해서 외주개발하면 되지 않을까 하고

막연하게 생각한 적이 있었다.

지금 회사에서 사업하는 사장을 보니 IT기업의 사장은 아무나 할 것이 못된다는 생각이 가득..ㅠㅠ

또한 40대 후반으로 접어들면서 노후에 대한 많은 생각을 하면서 뭘 준비할까?

가벼운 마음으로 온라인 판매/유통 사업은 어떤가 싶어 한번 읽어본 책...

누구나 어렵지 않게 진입할 수 있지만, 쉽게 포기하게도 되는 시장인 것 같다.

소비자의 입장에서 제품에 따라 선택지가 많아서 좋지만, 

판매자의 입장에서 적절한 수입을 남기면서 소비자의 선택을 받으려면 정말이지 쉽지 않음을 잠깐이나마 느낄 수 있었던 책.

작게나마 경험해보고 싶은 호기심은 있지만, 아직 두려움이 더 크다

센텀에 있는 중고 알라딘 서점에 가서 아내가 구입한 책을 내가 먼저 읽음

3년간 아우슈비츠에서 살아난 프랭클 박사의 책

중반부까지 읽으면서 강도는 다르지만 흡사 군대에 입대한 군인들의 모습과 약간이나마 비슷하다고 생각했다

군대보다도 더 극한 상황에서 현실은 시궁창보다 못한 환경이고, 자기자신을 체념하여 자기가 본 대소변에서 움직이지 않으려는 사람까지 있는 환경이지만,

자연의 아름다움을 발견하고 지금 이시기가 나 자신이 어떤 사람인지 보여줄 수 있는 '기회'라고 생각할 수 있다니 신선한 충격이었다.

군대에서는 배고픔도 없었고, 아프면 충분하지는 않지만 치료도 받을 수 있었고, 가스실의 공포도 없었는대도 나는 매일매일을 전역하고 싶다는 생각만으로 살아왔는데.. 너무나도 부끄러웠다.

책 후반부의 이론적인 내용은 큰 맥락을 충분히 이해하지는 못했지만, 부분부분 공감하며 읽어나갔다.

몇번은 더 읽어야 할 책인듯..

40대 후반으로 접어들면서 점점 건강에 관심을 기울여야 할 때인듯하여 이것저것 찾아보다가

해독주스가 뭔가 싶어 유튜브를 찾아보고 책도 한번 읽어봄

주말에 해독주스 재료를 사다가 만들었는데, 조합이 이상한지 맛이 이상하여 저울까지 샀음..-_-

100g씩 맞추기 위해서

어쨌든 2022년 4번째 책...

4차 산업 혁명 관한 책을 읽으려다 처음에는 어린이용으로 쉽게 접근하자고 생각하고 빌린 책

대부분은 다 알던 내용이지만, 정리하면서 잠시 읽기 편한 책

아들이 고2로 올라간다고 생각하니 언론에서 말도 많고 탈도 많은 학종이 도대체 뭔지 궁금해서 읽어본 책

읽고 나서 더 절망감을 느낀다. ㅎㅎ

2022년 목표 중 하나가 전공 관련 책 말고 아무 책이나 30권 읽는 목표를 세웠다

처음 읽은 책이 이 책이다

3페이지부터 화가나기 시작해서 마지막 읽을 때까지 분노와 짜증이 나서 읽기가 싫었다

법의 잣대를 가지고 심판을 하기위한 검찰

정작 자신들은 법위에서 일반 국민들을 군림하기 위한 도구로 법의 칼을 휘두르는 검찰

도서관에서 빌려서 읽었는데, 두번 읽기 싫을 정도로 짜증이 많이 난 책이다

한번쯤은 읽어보기 바란다

1. 다음과 같이 작성한다.

balloon_freeze.py

import os
import sys

ROOT_DIR = os.path.abspath("../../")

# Import Mask RCNN
sys.path.append(ROOT_DIR)  # To find local version of the library

from mrcnn.config import Config
from keras import backend as k
from tensorflow.python.framework.graph_util_impl import convert_variables_to_constants
import tensorflow as tf
import mrcnn.model as modellib

class outConfig(Config):
    NAME = "balloon"
    NUM_CLASSES = 1 + 1
    BACKBONE = "resnet101"
    IMAGE_MIN_DIM = 800
    IMAGE_MAX_DIM = 1024
    GPU_COUNT = 1
    IMAGES_PER_GPU = 1
    DETECTION_MAX_INSTANCES = 100

MODEL_DIR = os.path.join(ROOT_DIR, "model/balloon/logs") #모델 저장 폴더
out_config = outConfig()
out_config.display()

model = modellib.MaskRCNN(mode="inference", config=out_config,model_dir=MODEL_DIR)
model_path = model.find_last()
model.load_weights(model_path, by_name=True)

session = k.get_session()

min_graph = convert_variables_to_constants(session,session.graph_def,[out.op.name for out in model.keras_model.outputs])
tf.train.write_graph(min_graph, './', 'mrcnn.pb', as_text=False)

outConfig의 내용은 이전 inference 에서 나왔던 값들과 동일하게 맞춤

(그게 맞는지는 모름 -_-)

* 실행 성공하면 mrcnn.pb파일이 생성됨

2. 로드 후 테스트 하려면 

1) MASK_RCNN/mrcnn/model.py 

  - MaskRCNN클래스에 다음의 멤버함수를 추가한다

def detect_pb(self, images, sessd, input_image, input_image_meta, input_anchors, detections, mrcnn_mask, verbose=1):
        """Runs the detection pipeline.

        images: List of images, potentially of different sizes.

        Returns a list of dicts, one dict per image. The dict contains:
        rois: [N, (y1, x1, y2, x2)] detection bounding boxes
        class_ids: [N] int class IDs
        scores: [N] float probability scores for the class IDs
        masks: [H, W, N] instance binary masks
        """
        assert self.mode == "inference", "Create model in inference mode."
        assert len(
            images) == self.config.BATCH_SIZE, "len(images) must be equal to BATCH_SIZE"

        # if verbose:
        #     log("Processing {} images".format(len(images)))
        #     for image in images:
        #         log("image", image)

        # Mold inputs to format expected by the neural network
        molded_images, image_metas, windows = self.mold_inputs(images)

        #print('molded_images : ', molded_images)
        #print('image_metas : ', image_metas)
        #print('windows : ', windows)

        # Validate image sizes
        # All images in a batch MUST be of the same size
        image_shape = molded_images[0].shape
        # print(image_shape, molded_images.shape)
        for g in molded_images[1:]:
            assert g.shape == image_shape,\
                "After resizing, all images must have the same size. Check IMAGE_RESIZE_MODE and image sizes."

        # Anchors
        anchors = self.get_anchors(image_shape)
        # Duplicate across the batch dimension because Keras requires it
        # TODO: can this be optimized to avoid duplicating the anchors?
        anchors = np.broadcast_to(anchors, (self.config.BATCH_SIZE,) + anchors.shape)

        # if verbose:
        #     log("molded_images", molded_images)
        #     log("image_metas", image_metas)
        #     log("anchors", anchors)
        # Run object detection
        # detections, _, _, mrcnn_mask, _, _, _ =\
        #     self.keras_model.predict([molded_images, image_metas, anchors], verbose=0)
        detectionsed, mrcnn_masked = sessd.run([detections, mrcnn_mask], feed_dict = {input_image: molded_images, \
                                                                input_image_meta: image_metas, \
                                                                input_anchors: anchors})

        print('detectionsed : ', detectionsed.shape)
        print('mrcnn_masked : ', mrcnn_masked.shape)
        mrcnn_masked = np.expand_dims(mrcnn_masked, 0)
        detections = np.array(detectionsed)
        mrcnn_mask = np.array(mrcnn_masked)
        
        print('detections : ', detections.shape)
        print('mrcnn_mask : ', mrcnn_mask.shape)
        
        # Process detections
        results = []
        for i, image in enumerate(images):
            xi = detections[i]
            yi = mrcnn_mask[i]
            moldedi = molded_images[i]
            windowsi = windows[i]
            final_rois, final_class_ids, final_scores, final_masks =\
                self.unmold_detections(detections[i], mrcnn_mask[i],
                                        image.shape, molded_images[i].shape,
                                        windows[i])
            results.append({
                "rois": final_rois,
                "class_ids": final_class_ids,
                "scores": final_scores,
                "masks": final_masks,
            })
        return results

3. 생성된 pb파일을 테스트하기 위해서 다음과 같이 작성

import os
import sys

ROOT_DIR = os.path.abspath("../../")
sys.path.append(ROOT_DIR)  # To find local version of the library


import cv2
import tensorflow as tf
import mrcnn.model as modellib
from mrcnn.config import Config

class outConfig(Config):
    NAME = "balloon"
    NUM_CLASSES = 1 + 1
    BACKBONE = "resnet101"
    IMAGE_MIN_DIM = 800
    IMAGE_MAX_DIM = 1024
    GPU_COUNT = 1
    IMAGES_PER_GPU = 1
    DETECTION_MAX_INSTANCES = 100

MODEL_DIR = os.path.join(ROOT_DIR, "model/balloon/logs") #모델 저장 폴더

out_config = outConfig()
out_config.display()
#results = model.detect([img], verbose=1)

def load_detection_model(model):
    config = tf.ConfigProto()
    config.gpu_options.allow_growth = True
    detection_graph = tf.Graph()
    with detection_graph.as_default():
        od_graph_def = tf.GraphDef()
        with tf.gfile.GFile(model, 'rb') as fid:
            serialized_graph = fid.read()
            od_graph_def.ParseFromString(serialized_graph)
            tf.import_graph_def(od_graph_def, name='')
        input_image = tf.get_default_graph().get_tensor_by_name('input_image:0')
        input_image_meta = tf.get_default_graph().get_tensor_by_name('input_image_meta:0')
        input_anchors = tf.get_default_graph().get_tensor_by_name('input_anchors:0')
        detections = tf.get_default_graph().get_tensor_by_name('mrcnn_detection/Reshape_1:0')
        #mrcnn_mask = tf.get_default_graph().get_tensor_by_name('mrcnn_mask/Sigmoid:0')
        mrcnn_mask = tf.get_default_graph().get_tensor_by_name('mrcnn_mask/Sigmoid:0')
    sessd=tf.Session(config=config,graph=detection_graph)
    print('Loaded detection model from file "%s"' % model)
    return sessd, input_image, input_image_meta, input_anchors, detections, mrcnn_mask

 

model = modellib.MaskRCNN(mode="inference", config=out_config,model_dir=MODEL_DIR)

model_path = 'mrcnn.pb'

image = cv2.imread("D:/DL/Mask_RCNN/model/balloon/datasets/train/53500107_d24b11b3c2_b.jpg")
image = cv2.resize(image,(1024,1024),0,0,cv2.INTER_AREA)
sessd, input_image, input_image_meta, input_anchors, detections, mrcnn_mask = load_detection_model(model_path)
results = model.detect_pb([image], sessd, input_image, input_image_meta, input_anchors, detections, mrcnn_mask,verbose=1)

#print('rois : ' , results[0]['rois'])
#print('class_ids : ' , results[0]['class_ids'])
#print('scores  : ', results[0]['scores'])
#print('masks  : ', results[0]['masks'].shape)

print(results[0]['masks'].shape)