개발일기

스프링 부트와 AWS로 혼자 구현하는 웹 서비스 책으로 공부하기 위해서 버전을 4.10.2로 낮추어 진행하는 것이 편하다 gradle -> wrapper -> gradle-wapper.properties 클릭 distributionUrl=https\://services.gradle.org/distributions/gradle-7.1-bin.zip 이 코드로 최신 버전으로 되어있는 것을 확인할 수 있음 터미널을 열어 다음과 같이 입력해 준다 ./gradlew wrapper --gradle-version 4.10.2 성공적으로 버전을 다운시킨 것을 확인할 수 있다

3.3 Spring Data JPA 테스트 코드 작성하기 1. test 디렉토리에 domain.posts 패키지를 생성하고, 테스트 클래스는 PostsRepositoryTest란 이름으로 생성 PostsRepositoryTest에서는 다음과 같이 save, findAll 기능을 테스트한다. package com.jojoldu.book.springboot.domain.posts; import org.junit.After; import org.junit.Test; import org.junit.runner.RunWith; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.conte..

3.2 프로젝트에 Spring Data JPA 적용하기 1. build.gradle에 다음과 같은 의존성들을 등록( dependencies에 ) implementation('org.springframework.boot:spring-boot-starter-data-jpa') /* spring-boot-starter-data-jpa -> 스프링 부트용 Spring Data JPA 추상화 라이브러리 -> 스프링 부트 버전에 맞춰 자동으로 JPA관련 라이브러리들의 버전을 관리 */ implementation('com.h2database:k2') /* h2 -> 인메모리 관계형 데이터 베이스 -> 별도의 설치 없이 프로젝트 의존성만으로 관리할 수 있음. -> 메모리에서 실행되기 때문에 애플리케이션을 재시작할 때마..

3.0 JPA (자바 표준 ORM) 어떻게 하면 관계형 데이터베이스를 이용하는 프로젝트에서 객체지향 프로그래밍을 할 수 있을까? JPA라는 자바 표준 Object Relational Mapping 기술을 사용하자! 3.1 JPA 소개 배경 객체를 관계형 데이터 베이스에서 관리하는 것이 중요 현대의 웹 애플리케이션에서 관계형 데이터베이스는 빠질 수 없는 요소 (Oracle, MySQL, MSSQL 등을 쓰지 않는 애플리케이션은 거의 없음) SQL : 관계형 데이터베이스가 SQL만 인식할 수 있음 - 각 테이블마다 기본적인 CRUD(Create, Read, Update, Delete) SQL을 매번 생성해야 함. 패러다임 불일치 문제 -> 관계형 데이터베이스 : 어떻게 데이터를 저장할지 vs 객체지향 프로그..

3. 커널 작동법 - start with an image (width x height x depth) depth의 3 : 컬러 영상 RGB 3가지의 정보를 담고 있기 때문에 - Focus on a small area only (5x5x3) 필터크기만큼! - Get one number using the filter (w) Receptive Field -> 출력의 한 영역 - 예시 3-1. Stride - 필터가 stride 크기만큼 움직임! - 위와 같이 7x7 input, stride=2가 적용된 3x3 filter는 output -> 3x3 이다 - stride 적용하며 영상 size를 유지하는 방법은 없을까? -> Zero Padding 4. 적용 4-1. Convolution Layers - Swi..

1. Limitation of DNN 1-1. 영상 데이터 (2D 데이터)에 DNN을 적용해 분류 문제를 풀 경우 -> 2D 데이터를 1D로 평탄화하여 DNN 적용 가능 -> 위치에 상관없이 동일한 수준의 중요도를 가짐 -> DNN = Multi-layer Perceptron = Feedforward NN = Fully Connected Layer (FC) ▶ 전체 글자에서 조금의 픽셀 이동만 생겨도 새로운 학습 데이터로 처리해야함 (translation invariance 특성이 보장되지 않음) ▶ 글자 크기(scale)가 달라지거나, 글자가 회전(rotation)하거나, 글자에 변형(distortion)이 생겨도 좋은 결과를 기대하기 어려움 ( scale / rotation / distortion i..