본문 바로가기

전체 글171

[Linux] 하나의 서버로 여러 개의 프로젝트 실행 하나의 프로젝트를 추가하기 위해 깃허브 사이트에서 새로운 레파지토리를 생성한다. 학습이 다 끝난 인공지능을 웹 대시보드에 배포하기 위해서는 인공지능 파일과 벡터라이저 파일 2개가 필요하다. home, eda, ml로 구성된 스트림릿을 만들었다. 이것을 로컬과 깃허브에 연결시키기 위해 커밋 후 푸시하고 푸티에서 클론하여 AWS와 깃허브에서의 프로젝트를 연결시킨다. 만약 첫번째 프로젝트가 실행중이라면 두번쨰는 8501다음의 8502포트를 배정받는다. 새로운 포트(8502)의 방화벽을 따로 열어주기 위해 인바운드 규칙 편집하여 열어줘야 한다. 프로젝트별로 포트번호를 따로 지정해주고 불러오자 nohup streamlit run app.py --server.port 8502 & 포트 번호를 정해주고 AWS에서 방.. 2022. 5. 24.
[Linux] 백그라운드로 실행 터미널 접속을 끊어도 실행이 되게 할수있어야 정상적인 서비스 운영이 가능할것이다. 아래의 코드를 사용하여 터미널 접속을 끊어도 실행할수 있도록 설정하자. nohup streamlit run app.py & # nohup (no hang up) : 계속 실행시켜라는 뜻이다. 끄기 위해선 해당하는것만 찾아서 꺼야 한다. ps -ef는 작업관리자와 같은 기능을 가지고 있다. ps -ef | grep streamlit 를 입력하여 streamlit이라고 되어있는것만 나타낼수있다. kill (해당 PID)를 입력해서 종료할수있다. 2022. 5. 24.
[Linux] 배포된 서비스 수정 먼저 파이썬 버전을 맞추기 위해 만들어 뒀던 가상환경을 실행한다. conda activate streamlit3.7 # 가상환경의 이름이 streamlit3.7이다. ll로 현재 디렉토리의 상황을 확인하고 cd로 진행할 서비스에 해당되는 폴더로 진입한다. 스트림릿을 실행시킨다. (서버에서 돌아가는 스트림릿) 실행코드: streamlit run app.py(앱 이름) 앱을 수정하고 싶을때는 먼저 로컬에서 코드 수정을 하고 테스트한다. 테스트를 할때 터미널에 커맨드 프롬프트를 연다. (가상환경으로 들어가서 시작) 로컬에서 테스트 한것: # 코드가 수정되었습니다. 라는 텍스트가 추가된것을 볼수있다. 푸티에서 실행시킨것: # 실서비스의 스트림릿은 아직 반영 안됨 테스트가 성공하면 커밋 후 깃허브에 푸시한다. 푸.. 2022. 5. 24.
[Linux] 폴더 이동 및 기본 동작 먼저 푸티를 실행시킨다. 시작하려면 AMI의 기본 사용자 이름을 입력 해야한다. 아마존 리눅스의 경우 ec2-user를 입력한다. pwd로 현재 작업하고있는 폴더의 경로를 볼수있다. cd ~로 홈디렉토리로 이동하자. cd(change directory)로 디렉토리를 변경하고 ~는 홈이라는 뜻이다. cd /로 최상위 디렉토리 (root)로 이동할수있다. cd /home로 루트의 홈디렉토리로 이동할수있다. 다시 cd ~로 자신의 디렉토리에서 홈으로 갈수있다 cd . . 으로 상위폴더로 갈수있다. ls로 현재 폴더에서의 파일들을 볼수있다. 최상위 폴더에서의 구성요소들을 ls로 확인해보자. ls -l 로 각 파일들의 자세한 설명을 볼수있다. exit으로 종료한다. 2022. 5. 23.
[Linux] EC2를 활용한 AWS 배포, 리눅스에 파이썬 다운로드, 깃 클론 (ft. 파이썬 가상환경 설정) 이때까지는 로컬과 깃에서 스트림릿을 푸시하고 풀해줬다면 이것을 AWS의 EC2를 활용해서 배포해야 한다. 깃에서 AWS로 Streamlit을 배포하려면:소스코드를 깃허브에 올린다.깃허브에서 AWS로 데이터를 클론해서 가져온다.비어있는 리눅스 서버를 만들어서 필요한 프로그램들을 설치한다.소스코드는:https://startcod.tistory.com/67 [Streamlit] 실습: 자동차 가격 예측 앱 개발 (작성중)1. 공공데이터나 캐글에서 데이터를 가져와서 코랩을 이용해서 분석한다. (EDA + ML) [이것을 파일로 저장한다.] 2. 로컬에서 스트림릿을 이용해서 웹 대시보드를 만든다. 3. AWS를 이용해서 배포한startcod.tistory.com이걸 사용해줄 예정이다.   먼저 AWS에서 EC2를.. 2022. 5. 23.
[Streamlit] 로컬에서 만든 앱을 AWS로 배포, 가상환경 구성: joblib 로컬에서 만든 앱을 AWS로 배포하는 순서: 공공데이터나 캐글에서 데이터를 가져와서 코랩을 이용해서 분석한다. (EDA + ML) [이것을 파일로 저장한다.] 로컬에서 스트림릿을 이용해서 웹 대시보드를 만든다. AWS를 이용해서 배포한다. 사용할 데이터: https://startcod.tistory.com/40 [머신러닝] Scaler의 inverse_transform, RandomForest 자동차 소비자들의 데이터를 토대로 자동차 구매 가격을 예측하는 인공지능을 만들어보자 df= # 이 중에서 성별부터 자본까지만 데이터로 활용하자. 전처리과정: df.isna().sum() # NaN없음 X = df.iloc[:, startcod.tistory.com joblib.dump로 인공지능에 쓰인 파일들을 저.. 2022. 5. 20.
[Streamlit] 반응형 차트 만들기 스트림릿에서 제공해주는 line_chart와 area_chart를 사용해서 언어의 사용 빈도수를 표현해보자 in: lang_list = df1.columns[1:] choice_list = st.multiselect('언어를 선택하세요',lang_list) if len(choice_list)!=0: df_choice = df1[choice_list] st.line_chart(df_choice) st.area_chart(df_choice) out: # 먼저 데이터프레임의 컬럼명들을 리스트로 만들었다. # 그후, 멀티셀렉트를 사용해서 변수로 만들었다. 스트림릿이 제공하는 bar_chart도 있다. in: st.bar_chart(df2.iloc[:,0:-1]) out: 웹에서 사용할수있는 차트 라이브러리 중 .. 2022. 5. 20.
[Streamlit] 차트 그리기 스트림릿에서 차트를 그릴수있다. sepal_length와 sepal_width의 관계를 scatter 차트로 나타내보자 in: fig = plt.figure() plt.scatter(data= df, x='sepal_length', y= 'sepal_width') plt.title('Sepal Length vs Width') plt.xlabel('sepal length') plt.ylabel('sepal width') st.pyplot(fig) out: # 스트림릿에서 pyplot이나 seaborn 차트를 나타낼때 plt.show 함수대신 st.pyplot 함수를 사용한다. regplot을 사용해보자 in: fig3 = plt.figure() sns.regplot(data= df, x='sepal_len.. 2022. 5. 20.

티스토리툴바