1. 2. axios.interceptors.request.use(request => { request.headers.delete['Content-Type'] = "application/x-www-form-urlencoded" request.headers.delete['X-CSRFToken'] = getCookie('csrftoken') return request }) data = {} var url = document.location.origin + '/' + APPNAME + '/site/' + this.site.uid axios.delete(url, data) .then(res => { console.log(res) })

Python3.6까지는 requests.get에서 프록시를 사용할때 아래와 같이 매개변수 값을 넣어주었지만 proxy_dict = { "http": "127.0.0.1:8080", "https": "127.0.0.1:8080" } response = requests.get(url=url, proxies=proxy_dict)python3.7부터는 아래와 같이 앞에 scheme(프로토콜)을 추가해줘야한다. proxy_dict = { "http": "http://127.0.0.1:8080", "https": "https://127.0.0.1:8080" } response = requests.get(url=url, proxies=proxy_dict)만약 python3.7이상을 사용하면서 scheme가 추가되지 ..

DB에 데이터를 삽입할때 중복이 자주 발생하는 상황이라면 하나하나 이미 존재하는 데이터인지 SELECT를 하는 것 보다는 IN 연산자를 활용해서 한번의 쿼리로 다수의 데이터에 대한 중복 여부를 확인하는 것이 효율적이다. 예) 더보기 USER_TABLE의 id 컬럼이 문자 형식일때는 위와 같이 사용하고 id 컬럼이 숫자 형식이라면 id_list_s를 만들때 작은따옴표(Single quotes)를 제거하고 사용하면 된다.

PyTorch의 Tensor와 Numpy의 ndarray는 유사한 형태를 가지고 있고 PyTorch의 경우 GPU를 사용한 연산이 가능하기 때문에 Numpy로 작업시 연산 부분을 PyTorch대체해서 처리 속도를 끌어 올릴 수 있다. 다음과 같이 Numpy로 배열을 만들고 10000번의 연산을 했을때 소요 시간은 5.11초이다. %%time import numpy as np x = np.ones(1024000) for i in range(10000): x += 1 print (type(x)) print (x) [10001. 10001. 10001. ... 10001. 10001. 10001.] CPU times: user 5.11 s, sys: 2.45 ms, total: 5.11 s Wall time:..

업무중에 웹툰 이미지에 그려져있는 대사를 추출하고 해당 대사를 지우는 작업이 필요했다. 기본적인 아이디어는 다음과 같다. 다른 클라우드 서비스들도 비슷하지만 Google Vision API에서 지원하는 OCR API는 문자와 문자가 적혀있는 영역의 좌표를 함께 알려준다. 그래서 OCR을 통해서 얻은 글자의 영역(좌표)을 OpenCV를 이용해서 주변색으로 칠해버리면 된다는 생각이다. 구현하는 것은 어렵지 않았다. 그런데 결과는 좀 실망스러웠다. 말 풍선안에 있는 대사들은 어느정도 깔끔하게 지우는데 성공했지만 감탄사나 효과음을 글자로 적어 놓은 것들은 OCR로 찾아내지 못하거나 찾아내더라도 영역을 나타내는 좌표가 맞지 않고 배경이 단일 색이 아닌 경우도 있어서 주변색으로 채워넣는 것도 쉽지가 않았다.

'레드옥션'이라는 이름의 경매 물건 추이를 차트로 보여주는 사이트를 만들었다. 부동산 시장에 크게 관심은 없지만 폭락, 폭등 거기다가 경매 대란 이야기까지 나오고 있어서 호기심에 한번 만들어봤다. 개발하는데 몇일이 걸렸지만 대부분의 시간은 자료를 수집하는데 소비되었다. 물론, 자료 수집은 내가 한 것은 아니고 프로그램이 했다. Python Flask를 기반으로 만들었고 메인 페이지 1개와 raw 데이터를 조회하기 위한 API 1개를 가지고 웹으로 서비스 중이다. 반응형에 크게 신경쓰지는 않았고 화면 크기에 따라서 요소들이 적당히 배치되도록은 만들어놨다. 차트는 chartjs를 사용했다. 백엔드는 Nginx + uWSGI + Flask로 구성되어 있다.