직장인 조모씨

통합본

직장인 조모씨 — Sat, 14 Feb 2026 15:46:11 +0900

Mods.zip

2.08MB

[Obsidian] 6. 논문 정리해보기(예시)

직장인 조모씨 — Wed, 7 Jan 2026 14:00:39 +0900

0️⃣ 논문 메타 정보 (시작 세팅)

논문

Semi-Supervised Domain Adaptation via Minimax Entropy
CVPR 2019

Obsidian 액션

아직 노트 생성 ❌
PDF 열어둔 상태

1️⃣ GPT 한 줄 요약 (워밍업)

한 줄 요약
소량의 타깃 라벨과 다량의 비라벨 데이터를 활용해,
엔트로피에 대한 minimax 학습으로 도메인 간 분포 차이를 줄이는 SSDA 방법을 제안한다.

이 문장은 곧 Paper 노트의 “한 줄 요약”이 됨

2️⃣ 1회독: 구조 훑기

(Title → Abstract → Figure 1 → Conclusion)

이 단계에서 파악할 것

문제 설정이 뭔가?
기존 DA랑 뭐가 다른가?
Figure 1이 말하려는 구조는?

핵심 파악 결과 (요약)

문제 설정

Source: 라벨 충분
Target: 소량의 라벨 + 많은 비라벨
기존 UDA / SSL 모두 애매하게 안 맞음

Figure 1의 핵심

Classifier ↔ Feature Extractor 사이에 minimax 게임
엔트로피를 중심으로 양쪽 목적이 반대

✅ Obsidian 액션: Paper 노트 생성

위치

02_PAPERS/2019_SSDA_MinimaxEntropy.md

지금 단계에서 작성하는 내용

# Semi-Supervised Domain Adaptation via Minimax Entropy (2019)

## 한 줄 요약
소량의 타깃 라벨과 다량의 비라벨 데이터를 활용해,
엔트로피에 대한 minimax 학습으로 도메인 간 분포 차이를 줄이는 SSDA 방법을 제안한다.

---

## 문제의식
- 실제 환경에서는 타깃 도메인에 소량의 라벨만 존재
- 기존 UDA는 타깃 라벨을 사용하지 못함
- 기존 SSL은 도메인 차이를 고려하지 않음

---

## 핵심 아이디어 (초안)
- 타깃 비라벨 데이터의 예측 엔트로피를 중심으로 minimax 학습 구성
- 분류기와 특징 추출기의 목적을 반대로 설정

아직 완벽할 필요 없음
“방향성”만 있으면 OK

3️⃣ 2회독: 그림 중심 읽기

Figure를 보며 드는 생각

왜 classifier는 entropy를 최대화하지?
왜 feature extractor는 entropy를 최소화하지?
decision boundary를 움직이려는 의도?

여기서 등장하는 “개념 후보”

이제 Paper 노트에 개념 후보만 표시합니다.

## 핵심 개념 후보
- [[Semi-Supervised Domain Adaptation]]
- [[Entropy]]
- [[Minimax Optimization]]
- [[Decision Boundary]]
- [[Feature Alignment]] ?

아직 Concept 노트 안 만들어도 됩니다
물음표 붙여도 괜찮음

4️⃣ 3회독: 수식 의미 파악

이 단계의 핵심 질문

이 수식이 뭘 조절하려는 수식인가
왜 entropy인가?
pseudo-label이랑 뭐가 다른가?

핵심 이해 포인트

Entropy ↓ → confident prediction
Classifier:
- entropy ↑ → decision boundary를 타깃 데이터 쪽으로 밀어냄
Feature Extractor:
- entropy ↓ → 타깃 데이터가 클래스 중심으로 모이게 함

“경계 이동 + 군집”을 동시에 유도

✅ Obsidian 액션: Concept 노트 생성 시작

이제 Concept를 만들 타이밍입니다.

우선 3개부터 만듭니다:

Entropy
Minimax Optimization
Semi-Supervised Domain Adaptation

Paper 노트에는 이렇게 연결만 남깁니다.

- 엔트로피 기반 목적 함수로 [[Minimax Optimization]] 수행
- 타깃 비라벨 데이터에 대해 [[Entropy]]를 학습 신호로 사용

5️⃣ 4회독: 기존 방법과 비교

논문이 강조하는 비교 구도

기존 SSDA:
- pseudo-label 의존
- 오류 전파 문제
MME:
- 확률 분포 자체(Entropy)에 집중
- 라벨 오류 없이 학습 가능

Obsidian에 남길 비교 정리

## 기존 방법과의 차이
- 기존 SSDA: pseudo-label 기반
- 본 논문: [[Entropy]] 기반 minimax 학습
- decision boundary를 직접 제어

여기서 pseudo-label도 Concept 후보로 자연스럽게 등장

6️⃣ 읽고 나서: A4 1장 요약 → Obsidian 분리

(1) Summary 노트

위치

06_SUMMARIES/MME_SSDA_요약.md

내용:

문제 정의
핵심 아이디어
Figure 1 구조 설명 (글로)
언제 쓰면 좋은 방법인지

(2) Project / 활용 아이디어

Paper 노트 하단에만 간단히:

## 활용 아이디어
- Source-free DA로 확장 가능?
- Prototype 기반 방법과 결합?

나중에 Project로 승격 가능

[Obsidian] 5. 옵시디언으로 논문 정리하기

직장인 조모씨 — Wed, 7 Jan 2026 13:54:41 +0900

나의 논문 읽는 방법

1. GPT에게 해당 논문 핵심 아이디어 한줄로 요약해달라고 하기

2. 1회독: 구조 훑기. Title ->Abstract-> figure1/method overview->conclusion

3. 2회독: 그림 중심 읽기

4. 3회독: 수식 의미 파악

5. 4회독: 기존 방법과 비교

6. 읽고나서 a4 1장 요약(문제정의,핵심아이디어,구조 그림으로 표현, 활용 방법 생각)

논문 읽기 방법을 Obsidian에 적용하는 프로세스

전체 개요 (한 눈에 보기)

논문 PDF
 ↓
GPT 1줄 요약
 ↓
1회독 → Paper Skeleton
 ↓
2회독 → Concept 후보
 ↓
3회독 → Concept 심화 / 수식 메모
 ↓
4회독 → Method / 비교 메모
 ↓
A4 1장 요약 → Summary / Project Seed

Obsidian에서는
매 회독마다 “무엇을 남길지”만 정해주면 됩니다.

0️⃣ 논문 시작 전 (준비 단계)

하는 일

GPT에게 논문 핵심 아이디어 한 줄 요약 요청

Obsidian에 남길 것

아직 아무 것도 안 만듦 ❌
클립보드 or INBOX 임시 메모만 OK

이유
→ 이건 이해를 돕는 워밍업이지, 지식이 아님

1️⃣ 1회독: 구조 훑기

(Title → Abstract → Figure 1 / Method Overview → Conclusion)

이 단계의 목적

이 논문이 뭘 하려는지 감 잡기
“읽을 가치가 있는가?” 판단

Obsidian 액션 (중요)

이 시점에 Paper 노트를 만듭니다.

위치

02_PAPERS/

이 단계에서 채우는 부분

## 한 줄 요약
( GPT 요약 + 본인 언어로 다듬기 )

## 문제의식
( Abstract 기반 )

## 핵심 아이디어 (초안)
( Figure / Conclusion 기반, 아직 거칠어도 OK )

규칙

수식 ❌
디테일 ❌
정확성보다 방향성

2️⃣ 2회독: 그림 중심 읽기

이 단계의 목적

구조 이해
“이 논문의 뼈대가 뭔지” 파악

Obsidian 액션

Concept 후보를 표시만 합니다.

논문 노트에 이렇게 씁니다:

## 핵심 개념 후보
- [[Convolution]] ?
- [[Subsampling]] ?
- [[End-to-End Learning]] ?

이 단계에서는

Concept 노트 만들지 않아도 됨
물음표( ?) 붙여도 OK

“이게 개념인가?” 체크 단계

3️⃣ 3회독: 수식 의미 파악

이 단계의 목적

수식이 무엇을 하려는 수식인지 이해
증명 ❌, 의미 ⭕️

Obsidian 액션

이제 Concept 노트를 만들 타이밍입니다.

01_CONCEPTS/에

Backpropagation
Entropy
Loss Function
같은 수식과 직접 연결된 개념 생성

Concept 노트에는:

수식 전체 ❌
“이 수식이 왜 필요한지” ⭕️

논문 노트에는 이렇게만 남깁니다:

- Loss function은 [[End-to-End Learning]]을 가능하게 함

4️⃣ 4회독: 기존 방법과 비교

이 단계의 목적

이 논문의 위치 파악
“그래서 뭐가 달라졌는데?”

Obsidian 액션

논문 노트에 비교 섹션 추가

## 기존 방법과의 차이
- 기존: [[Pipeline]] 기반
- 제안: [[End-to-End Learning]]

이때:

Pipeline 같은 대립 개념이 자동으로 Concept로 승격됨

이 단계부터
Obsidian Graph가 의미를 갖기 시작

5️⃣ 읽고 나서: A4 1장 요약

이 단계가 가장 중요합니다.

하던 것

문제 정의
핵심 아이디어
구조 그림
활용 방법 생각

Obsidian에서는 이렇게 분리합니다

① Summary 노트 (06_SUMMARIES)

# Gradient-Based Learning 요약

- 문제 정의
- 핵심 아이디어
- 구조 개념 그림 설명

발표/회고용

② Project Seed (04_PROJECTS or Paper 하단)

## 활용 아이디어
- 현대 CNN 구조와 비교
- SSDA에 응용 가능성?

생각의 씨앗 보존

이 프로세스의 핵심 장점

1️⃣ 읽는 방법을 바꾸지 않는다

선생님 기존 방식 그대로 유지

2️⃣ Obsidian은 “기록 위치”만 제공

언제 뭘 써야 하는지 명확

3️⃣ 회독이 곧 구조가 된다

1회독 → Paper
2~3회독 → Concept
4회독 → Method / 비교
종료 → Summary / Project

[Obsidian] 4. 폴더 의미 구별하기 쉽게 정리하기

직장인 조모씨 — Wed, 7 Jan 2026 11:54:36 +0900

Obsidian 폴더 구조, 과한 걸까?

그리고 각 폴더 README는 이렇게 정리한다

Obsidian을 어느 정도 설정하고 폴더를 나누다 보면
거의 반드시 이런 고민이 든다.

“폴더를 너무 많이 나눈 거 아닐까?”
“이거 괜히 복잡해지는 거 아닌가?”

결론부터 말하면,

지금 구조는 과한 게 아니라, ‘커질 걸 대비한 여백’에 가깝다.
그리고 이 구조를 오래 유지하게 만드는 핵심이 바로 README 관리다.

이 글에서는

지금 폴더 구조가 왜 과하지 않은지
각 폴더를 어떻게 설명하고 관리하면 좋은지
를 한 번에 정리해본다.

1. 폴더가 많아 보이는 이유

현재 사용하는 구조는 대략 이런 형태다.

INBOX
CONCEPTS
PAPERS
METHODS
PROJECTS
EXPERIMENTS
SUMMARIES
META

처음 보면 관리해야 할 게 많아 보인다.
하지만 중요한 사실 하나가 있다.

이 폴더들을 매일 다 쓰지는 않는다.

실제로는

매일 쓰는 폴더: INBOX, CONCEPTS
가끔 쓰는 폴더: PAPERS, PROJECTS
거의 안 여는 폴더: METHODS, EXPERIMENTS, SUMMARIES, META

즉,
폴더 수가 많다고 관리 부담이 커지는 건 아니다.

2. 폴더는 “지금 채우라고 있는 것”이 아니다

이 구조가 부담스럽게 느껴지는 진짜 이유는 보통 이 생각 때문이다.

“이 폴더들, 다 채워야 하는 거 아니야?”

전혀 아니다.

폴더는

의무가 아니라
미래를 위한 자리 표시다.

비어 있어도 되고,
아예 안 쓰게 되어도 문제 없다.

오히려 처음부터 나눠두지 않으면
나중에 노트가 많아졌을 때 다시 분리하는 게 훨씬 힘들어진다.

3. 구조를 망치지 않는 핵심: README

문제는 폴더 개수가 아니라
시간이 지나면 ‘왜 이렇게 나눴는지’를 잊어버린다는 것이다.

그래서 필요한 게 바로
각 폴더 안의 README다.

README는 그 폴더의:

목적
무엇을 넣는지
무엇을 넣지 않는지
최소한의 규칙

을 미래의 나에게 설명해주는 안내판 역할을 한다.

4. README를 두는 가장 좋은 위치

정답은 단순하다.

각 폴더 안에 README 하나씩.

예를 들면

CONCEPTS/README
PAPERS/README
PROJECTS/README

이렇게 하면
“이 폴더 뭐였지?”라는 질문에
폴더를 클릭하는 순간 바로 답이 나온다.

5. 각 폴더별 README 예시

아래는 그대로 써도 되는, 최소하지만 충분한 README 예시다.

INBOX

이 폴더는 정리되지 않은 생각을 임시로 저장하는 공간이다.

논문 읽다가 떠오른 생각
아직 개념인지 프로젝트인지 애매한 메모

규칙은 하나다.
어디에 둘지 모르겠으면 무조건 여기.
그리고 언젠가는 다른 폴더로 옮긴다.

CONCEPTS

이 폴더는 논문을 초월하는 핵심 개념을 정리하는 공간이다.

Domain, Entropy처럼 여러 논문에 등장하는 개념
정의, 왜 중요한지, 다른 개념과의 연결

여기에는
논문 요약이나 실험 결과를 넣지 않는다.
파일 1개 = 개념 1개가 기본 규칙이다.

PAPERS

이 폴더는 논문 단위로 기록하는 공간이다.

논문 1편당 노트 1개
문제의식, 핵심 아이디어, 배운 점 중심

개념 정의는 여기서 하지 않는다.
필요한 개념은 CONCEPTS로 링크만 건다.

METHODS

이 폴더는 여러 논문을 관통하는 방법론을 정리하는 공간이다.

Entropy Minimization
Minimax Optimization
Prototype-based Learning

특정 논문 하나만 보고 쓰는 내용은 여기 대상이 아니다.
여러 논문을 묶을 수 있을 때만 사용한다.

PROJECTS

이 폴더는 실제로 풀고 싶은 문제를 정리하는 공간이다.

프로젝트 개요
문제 정의
적용 가능한 개념과 논문

이 폴더의 목적은
연구를 현실 문제와 연결하는 것이다.

EXPERIMENTS

이 폴더는 실험과 시도의 기록을 남기는 공간이다.

실험 설정
파라미터
실패 원인

정제된 결론보다
과정과 실패 기록을 남기는 데 의미가 있다.

SUMMARIES

이 폴더는 압축된 지식을 모아두는 공간이다.

한 장 요약
발표용 정리
개념 묶음 정리

이미 한 번 정리된 내용만 들어온다.

6. 구조를 부담 없이 쓰는 최소 규칙

이 세 가지만 기억하면 된다.

어디 둘지 모르겠으면 INBOX
개념은 CONCEPTS, 논문은 PAPERS
나머지는 필요할 때만 사용

이 정도면 충분하다.

마무리

Obsidian에서 폴더 구조는
정리를 강요하기 위한 장치가 아니다.

폴더는 여백이고
README는 그 여백을 설명하는 기억이다.

처음부터 완벽할 필요는 없다.
지금은 그냥 쓰기 시작하면 된다.

구조는 나중에 다듬을 수 있지만,
기록하지 않은 생각은 돌아오지 않는다.

[Obsidian] 3. 설치 직후 반드시 할 일

직장인 조모씨 — Wed, 7 Jan 2026 11:50:00 +0900

1. Vault 생성하기 (가장 중요)

Obsidian에서 Vault는 작업 공간 설명서가 아니라, 그냥 폴더 하나다.
모든 노트는 이 Vault 안에 저장된다.

Vault 생성 방법은 다음과 같다.

Obsidian 실행
Create new vault 클릭
Vault 이름 입력
Research_Vault_AI
(이름은 자유, 나중에 바꿔도 된다)
저장 위치 선택
Documents, D드라이브 등 아무 곳이나 가능

이 Vault 하나가 앞으로 내 지식 저장소가 된다.

2. 기본 폴더 구조 만들기

Vault를 만들면 내부는 비어 있다.
먼저 생각을 쌓기 위한 최소한의 뼈대를 만든다.

왼쪽 파일 탐색기에서
우클릭 → New folder 를 눌러 아래 폴더들을 생성한다.

00_INBOX
01_CONCEPTS
02_PAPERS
03_METHODS
04_PROJECTS
05_EXPERIMENTS
06_SUMMARIES
_META

각 폴더의 역할은 다음과 같다.

00_INBOX
정리되지 않은 생각, 메모, 아이디어 임시 저장소
01_CONCEPTS
Domain, Entropy 같은 개념 정리
02_PAPERS
논문 단위 정리 (논문 1편 = 노트 1개)
03_METHODS
여러 논문을 관통하는 방법론
04_PROJECTS
내 프로젝트, 실제 문제 정리
05_EXPERIMENTS
실험 기록, 실패 기록
06_SUMMARIES
나중에 꺼내 쓰는 요약본
_META
규칙, 템플릿, 관리용 노트

처음부터 전부 다 쓰지 않아도 된다.
틀만 만들어두는 것이 중요하다.

3. 첫 번째 노트 만들어보기

이제 Obsidian의 핵심을 직접 써보자.

01_CONCEPTS 폴더 안에
새 노트를 하나 만든다.

파일 이름은 Domain.md

노트 내용은 아래처럼 간단히 적는다.

# Concept: Domain

## 정의
- 데이터가 생성된 환경 또는 분포 조건

## 왜 중요한가
- 학습 환경과 추론 환경이 다르면 성능 붕괴

## 관련 개념
- [[DomainShift]]
- [[Distribution]]

저장하면 끝이다.

4. Obsidian의 핵심 기능: 링크

위 노트에서
[[DomainShift]] 를 클릭해보자.

Create new note를 누르면
자동으로 DomainShift.md 노트가 생성된다.

Obsidian에서는
노트를 먼저 만들 필요가 없다.
링크를 만들면 노트가 따라온다.

이게 Obsidian이 “지식 그래프”인 이유다.

5. Graph View 열어보기

왼쪽 사이드바에서
점들이 연결된 아이콘을 클릭하면 Graph View가 열린다.

지금은
점 몇 개, 선 몇 개만 보일 것이다.

하지만 개념과 논문이 쌓이면
지식이 신경망처럼 시각화되기 시작한다.

6. 초보자 필수 설정 (5분)

Settings → Editor

Readable line length : ON
Show line numbers : OFF

Settings → Files

Default location for new notes
Same folder as current file

이 설정만 해도
새 노트가 엉뚱한 위치에 생기는 일을 막을 수 있다.

만약에 새로 생성되는 파일을 특정 폴더에만 저장되게 하고 싶다면 아래처럼 하면 된다.

7. 설치 직후 꼭 기억할 것 3가지

처음부터 완벽하게 정리하려 하지 말 것
개념은 짧게, 링크 위주로 작성할 것
Obsidian은 “정리 앱”이 아니라 사고 도구

마무리 한 줄

Obsidian은 잘 정리하려고 쓰는 도구가 아니라,
생각을 남기다 보면 정리가 만들어지는 도구다.

[Obsidian] 2. 설치 방법

직장인 조모씨 — Wed, 7 Jan 2026 11:32:07 +0900

1. 아래 사이트에서 옵시디언 다운로드 후 실행

https://obsidian.md/download

Download - Obsidian

Obsidian is available on all major platforms. Download Obsidian for iOS, Android, macOS, Windows and Linux.

obsidian.md

[Obsidian] 1. 설명 및 기본 개념

직장인 조모씨 — Wed, 7 Jan 2026 11:29:55 +0900

Obsidian을 한 문장으로 말하면

Obsidian은 ‘파일 기반으로 작동하는, 내 머리를 확장한 위키 + 지식 그래프’입니다.

웹 서비스 ❌
서버 ❌
내 PC 폴더 안의 .md 텍스트 파일들만 사용 ⭕

그래서:

가볍고
오래가고
연구자에게 매우 안전합니다

Obsidian 기본 개념 5가지 (이거만 알면 시작 가능)

① Vault (볼트)

Vault = 작업 폴더 하나

Obsidian은 폴더 하나를 통째로 작업 공간으로 씁니다

예:

Research_Vault_AI/

우리가 전에 만든 “연구자 Vault 구조” = 이 Vault 안에 들어감

② Note (노트)

노트 = 그냥 텍스트 파일 1개
확장자: .md

예:

Domain.md
Entropy.md
MME_2019.md

Word 문서처럼 생각하면 됨

③ Markdown (겁먹지 마세요)

Markdown = 아주 간단한 글쓰기 문법

이것만 알면 충분합니다

# 제목
## 소제목

- 리스트
- 리스트

[[다른노트]]

Word보다 단순함
익숙해지면 생각 속도가 빨라짐

④ 링크 (Obsidian의 핵심)

[[ ]] ← 이게 전부입니다

[[Domain]]
[[Entropy]]

없는 노트여도 링크 생성 가능
나중에 클릭하면 바로 새 노트 생성됨

이게 개념 신경망의 시작

⑤ Graph View (옵시디언의 꽃)

노트들이 점(dot)으로 보임
링크가 선(line)으로 연결됨

“내가 뭘 많이 생각하고 있는지”가 보임

[Firebase] 5. 사용자별 앱별 기기 제한 기반 등록 및 초과 시 차단 로직 구현

직장인 조모씨 — Wed, 2 Jul 2025 20:06:39 +0900

목표

앱 실행 시 로그인 후:
Firestore users/{uid}에서 deviceLimits[appId]를 읽어 해당 앱의 최대 허용 기기 수 확인
users/{uid}/devices_{appId}에 등록된 기기 수 확인
제한 이내면 현재 기기를 등록 후 사용 허용
제한 초과 시 로그인 차단 및 안내 출력

# main_device_register.py

from firebase_config import auth
from firestore_client import db
import getpass
import datetime
import socket
import random
import string

def generate_device_id():
    hostname = socket.gethostname()
    rand_suffix = ''.join(random.choices(string.ascii_uppercase + string.digits, k=5))
    return f"{hostname}_{rand_suffix}"

def sign_in_and_register_device(app_id):
    email = input("로그인 이메일: ")
    password = getpass.getpass("로그인 비밀번호: ")

    try:
        user = auth.sign_in_with_email_and_password(email, password)
        print("✅ 로그인 성공:", user['email'])

        id_token = user['idToken']
        account_info = auth.get_account_info(id_token)
        uid = account_info['users'][0]['localId']

        user_ref = db.collection("users").document(uid)
        user_doc = user_ref.get()
        if not user_doc.exists:
            print("❌ Firestore에 사용자 정보가 없습니다.")
            return

        user_data = user_doc.to_dict()
        device_limits = user_data.get("deviceLimits", {})
        max_devices = device_limits.get(app_id, 1)

        devices_ref = user_ref.collection(f"devices_{app_id}")
        devices = devices_ref.stream()
        devices_list = [d.id for d in devices]
        device_count = len(devices_list)

        print(f"  현재 {app_id} 등록 기기 수: {device_count}/{max_devices}")

        device_id = generate_device_id()

        if device_id in devices_list:
            print(f"✅ 현재 기기({device_id})는 이미 등록되어 있어 사용 가능.")
        elif device_count < max_devices:
            device_name = input("등록할 기기명을 입력하세요: ").strip()
            now = datetime.datetime.utcnow()
            devices_ref.document(device_id).set({
                "deviceName": device_name,
                "registeredAt": now,
                "lastPing": now
            })
            print(f"✅ 현재 기기({device_id})를 '{device_name}'로 등록 완료, 사용 가능.")
        else:
            print("❌ 기기 등록 수가 제한을 초과하여 사용이 차단되었습니다.")
            print(f"등록된 기기 목록: {devices_list}")
            print("앱 내에서 사용하지 않는 기기를 해제한 후 다시 시도해 주세요.")

    except Exception as e:
        print("❌ 로그인/기기 등록 실패:", e)

if __name__ == "__main__":
    app_id = input("앱 ID 입력 (예: appA, appB): ").strip()
    sign_in_and_register_device(app_id)

[Firebase] 4. Python 앱에 Firebase SDK 연동 및 로그인 기능 구현

직장인 조모씨 — Wed, 2 Jul 2025 16:42:12 +0900

firebase_config.py

초기 이름을 main-> firebase_config.py로 변경

main_auth_test.py

from firebase_config import auth
import getpass

def sign_up():
    email = input("가입할 이메일: ")
    password = getpass.getpass("가입할 비밀번호 (콘솔에 안 보임): ")
    try:
        user = auth.create_user_with_email_and_password(email, password)
        print("✅ 회원가입 성공:", user['email'])
    except Exception as e:
        print("❌ 회원가입 실패:", e)

def sign_in():
    email = input("로그인 이메일: ")
    password = getpass.getpass("로그인 비밀번호 (콘솔에 안 보임): ")
    try:
        user = auth.sign_in_with_email_and_password(email, password)
        print("✅ 로그인 성공:", user['email'])
        print("ID Token:", user['idToken'][:40], "...")  # 확인용 일부 출력
        return user
    except Exception as e:
        print("❌ 로그인 실패:", e)
        return None

if __name__ == "__main__":
    mode = input("회원가입은 1, 로그인은 2 입력: ")
    if mode == "1":
        sign_up()
    elif mode == "2":
        user = sign_in()
    else:
        print("1 또는 2만 입력하세요.")

오류나면 Authentication 로그인 방법 확인. 필자는 제공업체 선택이 안되어있었음

Firestore에 로그인 사용자 정보 저장(users/{uid})

다운받은 파일명 변경: serviceAccountKey.json

파이썬 루트폴더로 이동

firestore_client.py

# firestore_client.py

import firebase_admin
from firebase_admin import credentials, firestore

# 서비스 계정 키 경로
cred = credentials.Certificate("serviceAccountKey.json")

# 앱 초기화 (이미 초기화 되어있으면 예외 방지)
try:
    firebase_admin.initialize_app(cred)
except ValueError:
    pass

# Firestore 클라이언트
db = firestore.client()

# main_auth_test.py 수정

from firebase_config import auth
from firestore_client import db
import getpass
import datetime

def sign_up():
    email = input("가입할 이메일: ")
    password = getpass.getpass("가입할 비밀번호: ")
    try:
        user = auth.create_user_with_email_and_password(email, password)
        print("✅ 회원가입 성공:", user['email'])
    except Exception as e:
        print("❌ 회원가입 실패:", e)

def sign_in():
    email = input("로그인 이메일: ")
    password = getpass.getpass("로그인 비밀번호: ")
    try:
        user = auth.sign_in_with_email_and_password(email, password)
        print("✅ 로그인 성공:", user['email'])

        # JWT에서 UID 추출
        id_token = user['idToken']
        account_info = auth.get_account_info(id_token)
        uid = account_info['users'][0]['localId']

        # Firestore에 사용자 정보 저장
        user_ref = db.collection("users").document(uid)
        now = datetime.datetime.utcnow()
        user_doc = user_ref.get()
        if user_doc.exists:
            # 기존 유저: lastLogin 업데이트
            user_ref.update({
                "lastLogin": now
            })
            print("  기존 사용자 lastLogin 업데이트 완료")
        else:
            # 신규 유저: 정보 등록
            user_ref.set({
                "email": email,
                "createdAt": now,
                "lastLogin": now
            })
            print("  신규 사용자 정보 Firestore 등록 완료")

        return user

    except Exception as e:
        print("❌ 로그인 실패:", e)
        return None

if __name__ == "__main__":
    mode = input("회원가입은 1, 로그인은 2 입력: ")
    if mode == "1":
        sign_up()
    elif mode == "2":
        user = sign_in()
    else:
        print("1 또는 2만 입력하세요.")

[Firebase] 3. Firestore 활성화

직장인 조모씨 — Wed, 2 Jul 2025 16:08:11 +0900

만들기 누르면 해당 화면이 뜸

[Firebase] 2. Firebase Auth 활성화 (이메일/비밀번호)

직장인 조모씨 — Wed, 2 Jul 2025 16:05:22 +0900

[Firebase] 1. Firebase Project 생성

직장인 조모씨 — Wed, 2 Jul 2025 16:02:55 +0900

PyInstaller 빌드 후 settings.json 경로 이슈 해결 기록

직장인 조모씨 — Tue, 1 Jul 2025 13:10:40 +0900

PyInstaller 빌드 후 settings.json 경로 이슈 해결 기록

문제

PyInstaller 빌드 후 실행 시 settings.json이 exe 경로가 아닌 _internal 경로에 생성됨
_internal은 읽기 전용이라 설정 저장/불러오기 작동 안함

원인

resource_path()에서 sys._MEIPASS를 사용하여 리소스와 유저 데이터 경로를 구분 없이 처리했기 때문

해결

리소스(icon, version.txt 등) → resource_path()에서 _MEIPASS 경로 사용
유저 데이터(settings.json) → settings_path() 함수 추가, sys.executable 기준 exe 경로 사용


def resource_path(relative_path):
    """
    PyInstaller 환경 및 개발 환경 모두에서 리소스(icon, version.txt) 경로 반환용
    """
    if hasattr(sys, '_MEIPASS'):
        return os.path.join(sys._MEIPASS, relative_path)
    return os.path.join(os.path.abspath("."), relative_path)

def settings_path():
    """
    settings.json 경로: exe 경로(또는 개발 경로)에서 항상 관리되도록
    """
    if getattr(sys, 'frozen', False):
        # PyInstaller 실행 중이면 exe의 경로를 사용
        return os.path.join(os.path.dirname(sys.executable), "settings.json")
    else:
        # 개발 환경이면 현재 경로 사용
        return os.path.join(os.path.abspath("."), "settings.json")

def load_settings():
    path = settings_path()
    if not os.path.exists(path):
        with open(path, 'w', encoding='utf-8') as f:
            json.dump(DEFAULT_SETTINGS, f, ensure_ascii=False, indent=4)
        return DEFAULT_SETTINGS
    with open(path, 'r', encoding='utf-8') as f:
        return json.load(f)

def save_settings(settings):
    path = settings_path()
    with open(path, 'w', encoding='utf-8') as f:
        json.dump(settings, f, ensure_ascii=False, indent=4)

결과

✅ 빌드 후 실행 시 settings.json이 exe 경로에만 생성 및 사용
✅ 설정 저장/불러오기 정상 작동
✅ 개발 환경과 빌드 환경 모두 동일하게 작동

티켓링크 20250615

직장인 조모씨 — Sun, 15 Jun 2025 12:13:16 +0900

티켓링크 20250615.mp4

17.94MB

아나콘다 설치법 정리

직장인 조모씨 — Fri, 16 May 2025 23:13:13 +0900

설치 끝

환경변수 등록

pycharm 에서 콘다 지정(초기 1회는 새로 생성)

끝

[Hyper-V] 1. 윈도우 가상머신 기본 제공 Hyper-V 사용법

직장인 조모씨 — Fri, 9 May 2025 09:31:41 +0900

https://blog.naver.com/yujuit/223237345171

윈도우 10 11 가상머신 하이퍼 V(Hyper-V) 설치 및 사용 방법

최근 회사에서 사용하던 노트북이 꽤 오래되어 데스크톱으로 교체하면서 자연스레 운영체제도 윈도우10에서...

blog.naver.com

[엑셀] 여러 이미지 세로 간격을 동일하게 조정하는 스크립트

직장인 조모씨 — Tue, 22 Apr 2025 14:48:50 +0900

Alt + F11

삽입-모듈

스크립트 입력

실행

Sub 이미지_세로정렬_간격5()
    Dim ws As Worksheet
    Dim shp As Shape
    Dim pictureShapes() As Shape
    Dim count As Integer
    Dim i As Integer, j As Integer
    Dim temp As Shape
    Dim topPos As Single
    Dim spacing As Single

    Set ws = ActiveSheet
    spacing = 5
    count = 0

    ' 이미지 개수 세고 배열에 저장
    For Each shp In ws.Shapes
        If shp.Type = msoPicture Then
            count = count + 1
            ReDim Preserve pictureShapes(1 To count)
            Set pictureShapes(count) = shp
        End If
    Next shp

    ' Y 좌표 기준으로 버블 정렬
    For i = 1 To count - 1
        For j = i + 1 To count
            If pictureShapes(i).Top > pictureShapes(j).Top Then
                Set temp = pictureShapes(i)
                Set pictureShapes(i) = pictureShapes(j)
                Set pictureShapes(j) = temp
            End If
        Next j
    Next i

    ' 정렬 및 위치 재배치
    topPos = 10
    For i = 1 To count
        With pictureShapes(i)
            .Top = topPos
            .Left = Range("A1").Left
            topPos = topPos + .Height + spacing
        End With
    Next i
End Sub

여러 이미지를 엑셀에 복사하는 툴, Image2Excel 소개 및 다운로드

직장인 조모씨 — Tue, 15 Apr 2025 14:40:55 +0900

️ 이미지 → 엑셀 자동 복사 툴, Image2Excel 소개 및 다운로드

Image2Excel은 데이터 과학자나 리서처가 자주 마주치는 이미지 결과물 정리 문제를 깔끔하게 해결해주는 윈도우용 데스크탑 프로그램입니다. 이미지를 한 번에 불러와 Excel에 손쉽게 복사하고 정렬할 수 있는 기능을 제공합니다.

프로그램 주요 기능

이미지 폴더 또는 개별 이미지 불러오기
미리보기 + 가로/세로 정렬 선택
이미지 너비 조절 및 Excel 셀 크기 예측 제공
✅ 복사(Ctrl+C) → Excel에 붙여넣으면 그대로!

사용 가이드

앱 실행 화면
→ 앱이 켜졌을 때 전체 인터페이스 모습

이미지 불러오기 버튼 클릭 후 썸네일 표시
→ 여러 이미지가 썸네일로 나열된 모습

가로/세로 정렬 전환 모습
→ 정렬 방식에 따라 이미지 배치가 달라짐

Excel 셀 크기 예측 표시
→ 너비에 따라 계산되는 예상 셀 크기 텍스트(1:1 비율 이미지 기준)

Excel에 붙여넣기 된 화면 (선택 사항)
→ 복사 후 Excel에 Ctrl+V 한 결과 모습

좌: 세로 나열 모드, 우: 가로 나열 모드

다운로드 안내

대상: Windows 10 이상
설치 방식: 설치 불필요 (단일 실행파일 .exe)
Image2Excel 다운로드 (버전 1.0)

설치 없이 바로 실행!

.exe 파일을 더블 클릭하면 바로 실행되며, 콘솔 창 없이 깔끔한 GUI만 표시됩니다.
아이콘도 설정되어 있어 바탕화면 바로가기로 사용해도 좋아요.

️ 기술 스택

Python 3.10+
PyQt5 (GUI 프레임워크)
HTML 기반 이미지 미리보기
PyInstaller로 단일 .exe 생성

‍♂️ 개발자가 직접 사용하면서 만든 이유

이미지 기반 실험 데이터를 매번 수작업으로 붙여넣는 게 너무 귀찮았고,
뷰어도 불편해서 직접 만들게 되었습니다.
기능은 심플하지만 반복 업무를 확실히 줄여줘요!

[나노캐드] 객체 스냅 설정 drafting setting

직장인 조모씨 — Sat, 25 Jan 2025 14:48:55 +0900

Tools - Drafting Settings

1. Snap and Grid 메뉴

Snap On:
이 옵션을 활성화하면 마우스 커서가 설정된 간격으로 스냅됩니다. 정확한 위치 지정이 필요할 때 사용합니다.
Snap Spacing:
- Snap X spacing / Snap Y spacing: X축과 Y축 방향으로 커서가 스냅되는 간격을 설정합니다.
- Equal X and Y spacing: X축과 Y축 간격을 동일하게 유지하려면 이 옵션을 선택합니다.
Grid On:
이 옵션을 활성화하면 작업 화면에 그리드(격자)가 표시됩니다.
Grid Spacing:
- Grid X spacing / Grid Y spacing: 화면에 표시되는 그리드의 간격을 설정합니다.
- Major line every: 설정한 주기의 간격마다 굵은 그리드 라인을 표시합니다.
Grid Behavior:
- Adaptive grid: 확대 및 축소 시 그리드의 간격이 자동으로 조정됩니다.
- Allow subdivision below grid spacing: 그리드 간격보다 작은 세부 그리드를 표시합니다.
- Display grid beyond Limits: 도면의 제한 영역을 넘어 그리드를 표시할지를 선택합니다.

2. Polar Tracking 메뉴

Polar Tracking On:
이 옵션을 활성화하면 특정 각도로만 커서가 움직이도록 제한됩니다(예: 0°, 90°).
Polar Angle Settings:
- Increment angle: 기본적으로 사용할 추적 각도를 설정합니다(예: 30°, 45°).
- Additional angles: 추가적으로 추적할 각도를 설정하려면 각도를 입력하고 Add 버튼을 클릭합니다.
Object Snap Tracking Settings:
- Track orthogonal only: 수직 및 수평 방향(90° 간격)으로만 커서를 추적합니다.
- Track using all polar angle settings: 설정된 모든 각도를 기준으로 커서를 추적합니다.
- Do not track Polar: Polar Tracking을 비활성화합니다.

3. Object Snap 메뉴

Object Snap On:
도면 객체의 특정 지점(끝점, 중심점 등)에 커서가 자동으로 맞춰지도록 설정합니다.
Object Snap models:
아래 옵션을 선택하여 특정한 객체 스냅 포인트를 활성화할 수 있습니다.
- Endpoint: 선의 끝점에 스냅됩니다.
- Midpoint: 선의 중간점에 스냅됩니다.
- Center: 원 또는 호의 중심점에 스냅됩니다.
- Node: 포인트 객체에 스냅됩니다.
- Quadrant: 원 또는 호의 사분면 점에 스냅됩니다.
- Intersection: 두 객체의 교차점에 스냅됩니다.
- Extension: 객체의 연장선을 따라 스냅됩니다.
- Insertion: 블록 삽입점에 스냅됩니다.
- Perpendicular: 객체에 대해 수직으로 스냅됩니다.
- Tangent: 객체에 대해 접선 위치에 스냅됩니다.
- Nearest: 객체의 가장 가까운 점에 스냅됩니다.

무료 캐드 나노 캐드 nanoCad5.0 다운로드 방법 및 설치 방법 정리(라이센스 오류 해결)

직장인 조모씨 — Sat, 25 Jan 2025 14:38:25 +0900

1. https://nanocad.com/products/nanocad-free/download/

nanoCAD Free - Free 2D/3D CAD Software

nanocad.com

나노캐드5.0이 무료버전임

다운로드

https://nanocad.com/personal/

nanocad.com

설치 완료 후 라이센스 키 확인 페이지

NC5NVAS로 시작하는 라이센스 키로 해야함

250122

라이센스 인식이 안되는 문제가 있음

보류...

250125

새로운 계정 만들어서

라이센스 새로 할당 후 문제 해결됨

Python에서 GPT-4o mini API 사용하는 방법 정리(ChatGPT)

직장인 조모씨 — Fri, 25 Oct 2024 15:03:14 +0900

ChatGPT 4o mini API를 파이썬에서 사용하는 방법은 다음과 같습니다. 이 과정에서 openai 패키지를 사용하고, API 키를 설정한 뒤 GPT-4o mini 모델을 호출하는 예시입니다.

1. `openai` 라이브러리 설치

pip install openai

pip install openai==0.28

저는 동작중에 에러 발생하여 0.28 버전으로 설치하였습니다.

pycharm 터미널로 명령어 입력

설치 완료된 모습

2. API 키 설정

import openai
from getpass import getpass

# API 키 입력
OPENAI_YOUR_KEY = "YOUR API KEY"
openai.api_key = "OPENAI_YOUR_KEY"

3. GPT-4o mini를 사용하는 API 호출 함수 작성

다음 코드는 gpt-4o-mini 모델을 사용하여 메시지를 보내고 응답을 받는 함수입니다.

def call_gpt4o_mini(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",  # 모델 선택
        messages=[
            {"role": "user", "content": prompt}
        ],
        max_tokens=150  # 출력 제한
    )
    return response['choices'][0]['message']['content']

# 예시 호출
result = call_gpt4o_mini("Explain how AI works.")
print(result)

4. 예시 호출

# 예시 호출
user_prompt = """
안녕 너는 누구니?
"""
result = call_gpt4o_mini(user_prompt)
print(result)

답변이 나온다!!

ChatGPT API 사용을 위한 카드 등록 방법 설명

직장인 조모씨 — Fri, 25 Oct 2024 14:45:22 +0900

OpenAI API 결제를 위한 카드 등록 방법

1. OpenAI 플랫폼 로그인

먼저 OpenAI 플랫폼에 로그인합니다. 계정이 없다면, 계정을 생성한 후 로그인하세요.

2. 결제 설정으로 이동

로그인 후, 오른쪽 상단의 프로필 아이콘을 클릭한 뒤 Billing(결제) 메뉴를 선택합니다.

https://platform.openai.com/settings/organization/billing/overview

3. 결제 방법 추가

Billing 페이지에서 결제 방법 추가(Add Payment details) 버튼을 클릭합니다.

사용자를 선택합니다.

저는 개인이라 Individual로 선택했어요.

카드 정보를 입력해줍니다.

결재 정보도 설정해줍니다.

저는 10달러 먼저 결재할게요.

자동 결재 여부도 선택할 수 있어요. (저는 끔)

Continue를 누르면 결재 확인창이 뜹니다.

충전이 완료된 모습입니다.

API 사용법은 다음 글에!

ChatGPT API 발급 받는 방법 (python에서 사용)

직장인 조모씨 — Fri, 25 Oct 2024 14:34:34 +0900

ChatGPT API 발급 받는 방법 (python에서 사용)

ChatGPT API를 발급받으려면 다음 절차를 따르면 됩니다:

1. OpenAI 웹사이트 방문

먼저 OpenAI 홈페이지에서 계정을 생성해야 합니다. 계정이 없다면 이메일 또는 Google 계정으로 쉽게 등록할 수 있습니다.

2. API 키 발급

계정을 생성한 후, API 대시보드로 이동합니다.
대시보드에서 "API 키 관리" 페이지로 들어갑니다.
"새로운 API 키 생성" 버튼을 클릭하여 새로운 API 키를 발급받습니다.

발급된 API 키는 나중에 사용할 수 있도록 안전하게 보관하세요. 이 키를 사용하여 Python 등에서 OpenAI의 API를 호출할 수 있습니다.

3. 사용량 모니터링

API 대시보드에서 사용량과 관련된 정보를 모니터링할 수 있으며, 특정 한도를 설정하여 과도한 사용을 방지할 수 있습니다.

파일 '수정된 날짜' 변경 방법(+dll 날짜 변경 팁)

직장인 조모씨 — Thu, 24 Oct 2024 19:14:35 +0900

파일 '수정된 날짜' 변경 방법

같은 두 파일의 날짜가 변경된 모습

PowerShell로 DLL 파일의 수정 날짜 변경 방법

DLL 파일의 수정 날짜는 기본적으로 파일 시스템에 의해 관리되며, 파일이 수정될 때 자동으로 현재 날짜로 설정됩니다. 하지만 PowerShell이나 서드파티 도구를 사용하여 수정 날짜를 수동으로 변경할 수 있습니다.

PowerShell을 사용한 수정 날짜 변경

Windows에서는 PowerShell을 사용하여 DLL 파일의 수정 날짜를 손쉽게 변경할 수 있습니다. 아래 명령어를 사용하여 원하는 날짜로 수정할 수 있습니다.

PowerShell 명령어 예시:

(Get-Item "C:\path\to\your.dll").LastWriteTime = "2024-10-01 12:00:00"

이 명령어는 your.dll 파일의 마지막 수정 시간을 2024년 10월 1일 12:00:00로 변경합니다.

주의 사항

수정 날짜를 변경하더라도 파일의 내용은 바뀌지 않으며, 파일 시스템 메타데이터에만 영향을 미칩니다.
수정 날짜 변경은 파일 관리에 도움이 될 수 있지만, 실제 파일 동작에는 영향을 미치지 않으므로 이 점을 고려하여 사용해야 합니다.

추가 정보

파일의 수정 날짜를 변경하는 작업은 파일 백업 관리, 프로젝트 버전 관리 등 다양한 상황에서 유용할 수 있습니다. 이 작업을 자동화하거나 여러 파일에 대해 한 번에 적용하려면 PowerShell 스크립트를 사용할 수 있습니다.

텔레그램으로 전자책 읽어주는 봇

직장인 조모씨 — Tue, 22 Oct 2024 11:48:07 +0900

2024.10.22 - [사이드 프로젝트/텔레그램으로 전자책 읽기 ] - 카카오톡 API vs 텔레그램 Bot 선택 과정

카카오톡 API vs 텔레그램 Bot 선택 과정

책 읽기 불편해평소에 이북 리더기 킨들로 책을 읽는다.언제인가 리더기 조차 가방에서 꺼내기 귀찮을 때가 있었다.핸드폰은 손에서 안 때고 잘 보는데이북 리더기도 그럴 수는 없을까? 핸드

minicode.tistory.com

2024.10.22 - [사이드 프로젝트/텔레그램으로 전자책 읽기 ] - 텔레그램 봇 생성과 토큰 얻는 방법 + 챗 아이디 얻기

텔레그램 봇 생성과 토큰 얻는 방법 + 챗 아이디 얻기

텔레그램 봇 생성 & 토큰 얻기 1. BotFather 검색 후 대화 시작 ( 텔레그램 봇은 모두 BotFather를 거친다)2. /newbot3. 봇 이름 입력4. 봇 아이디 입력5. 장문의 답장 속 토큰 확인하기 챗 아이디 얻기 1.

minicode.tistory.com

2024.10.22 - [사이드 프로젝트/텔레그램으로 전자책 읽기 ] - python으로 epub 목차 가져오기

python으로 epub 목차 가져오기

python으로 epub 목차 가져오기 처음에는 toc.ncx 을 읽어 하나 하나 파싱하려고 했는데좋은 라이브러리가 있었다.book 객체에 epub 정보 담아두고book.toc 불러오면 바로 읽히더라 굿import ebooklibfrom ebo

minicode.tistory.com

위와 같은 과정들을 거치고 봇이 완성되었다.

EbookLib, python-telegram-bot 라이브러리에게 무수한 감사를 :)

봇 소개

/help 명령어를 통해 도움말을 확인할 수 있다.

먼저 epub 파일을 전송해주자

전송이 완료되고 조금 기다려주면 파일 분석이 완료된다.

참고로 20mb 넘는 파일은 라이브러리 특성 상 처리하지 못한다. (해결 방법이 있는지는 알아보지 않음)

/book 명령어를 통해 현재 책 정보를 알 수 있다.

/index 명령을 통해 목차를 확인할 수 있다.

원해는 목차 번호를 입력해 이동할 수 있다.

1번 목차로 가보겠다.

온점 (.) 을 입력하면 책장을 넘기듯 자연스럽게 이어서 읽을 수 있다.

일부로 240자 가량으로 끊어 보내지게 했다.

핸드폰 화면에서 불편함 없이 한 메시지에 표시하기에 적절한 크기를 찾아 조정했다.

마치며

이 봇이 실행되고 있는 한, PC, 모바일환경 상관 없이 가볍게 채팅하듯 책을 읽을 수 있게 되었다.

물론 epub 파일을 개인이 소유하고 있어야 한다는 단점이 있지만...!

원하는 목적을 달성해서 기분이 좋다 :)

python으로 epub 목차 가져오기

직장인 조모씨 — Tue, 22 Oct 2024 11:33:58 +0900

python으로 epub 목차 가져오기

처음에는 toc.ncx 을 읽어 하나 하나 파싱하려고 했는데

좋은 라이브러리가 있었다.

book 객체에 epub 정보 담아두고

book.toc 불러오면 바로 읽히더라 굿

import ebooklib
from ebooklib import epub
from bs4 import BeautifulSoup


# EPUB 파일의 목차를 리스트로 저장하는 함수 (book.toc 사용)
def get_toc(epub_file):
    book = epub.read_epub(epub_file)

    # book.toc을 통해 목차 정보 가져오기
    toc_list = []

    def parse_toc(toc_items):
        for item in toc_items:
            if isinstance(item, tuple):
                toc_list.append((item[0].title, item[0].href))  # 제목과 파일 경로 저장
                if item[1]:  # 하위 항목이 있는 경우 재귀적으로 처리
                    parse_toc(item[1])
            else:
                toc_list.append((item.title, item.href))

    parse_toc(book.toc)

    return toc_list, book

html 파일 순서 알아내는 방법

이건 content.opf 파일에 들어있는데, spine 항목을 보면 된다.

마찬가지로 book.spine을 이용하면 됨.

텔레그램 봇 생성과 토큰 얻는 방법 + 챗 아이디 얻기

직장인 조모씨 — Tue, 22 Oct 2024 11:22:22 +0900

텔레그램 봇 생성 & 토큰 얻기

1. BotFather 검색 후 대화 시작 ( 텔레그램 봇은 모두 BotFather를 거친다)

2. /newbot

3. 봇 이름 입력

4. 봇 아이디 입력

5. 장문의 답장 속 토큰 확인하기

챗 아이디 얻기

1. GetIDs Bot 검색 후 대화

2. /start 입력

3. 장문의 답장 속 id 확인하기

카카오톡 API vs 텔레그램 Bot 선택 과정

직장인 조모씨 — Tue, 22 Oct 2024 10:18:17 +0900

책 읽기 불편해

평소에 이북 리더기 킨들로 책을 읽는다.

언제인가 리더기 조차 가방에서 꺼내기 귀찮을 때가 있었다.

핸드폰은 손에서 안 때고 잘 보는데

이북 리더기도 그럴 수는 없을까?

핸드폰? 이북 리더기?

그렇다고 핸드폰과 리더기의 조합이 없는 것은 아니다.

1. 핸드폰 크기의 이북 리더기

이 또한 마찬가지로 핸드폰을 가지고 다니면서 또 다른 기기를 가지고 다녀야 한다는 불편함은 똑같다.

2. 핸드폰 어플로 전자책 읽기

왜 그런건지는 모르겠지만, 전자책 어플로 책을 보면 이상하게 집중이 안된다.

활자가 빽빽하게 들어차고 집중해서 봐야 하는 그 느낌이 마치 멀미나는 것 같았다.

핸드폰으로 책을 읽지만, 활자의 부담에서 벗어날 수 있는 방법이 무엇이 있을까?

고민을 하던 도중 갑자기 카카오톡이 생각났다.

'책 문장들이 카톡처럼 오면 어떨까?

괜찮은 아이디어인 것 같았다.

친구에게 책 문장들을 카톡으로 보내달라고 하고 읽어봤는데

생각보다 가독성이 좋았다.

이거 괜찮은데?

카톡이 좋은 방법일까?

대표 메신저인 카카오톡.

과연 이 프로젝트를 수행하기 적합한지 조사해봤다.

이전에 다른 프로젝트를 진행할 때, 카카오 API 를 사용해 본 적이 있었다.

윈도우 스케줄 프로그램과 연동해서 매일 매일 나에게 카톡을 보내주는 기능이었는데,

개발자 계정 만드는 것부터 토큰을 관리하는 것 까지 솔직히 귀찮았다.

이 때 자동화 도구의 대표적인 텔레그램 Bot이 생각이 났다.

아래 표를 만들어 비교해봤다.

구분	카카오톡	텔레그램
접근성 / 사용성	API 사용을 위해 개발자 계정이 필요 제한, 승인 절차도 존재	API 접근 용이, Python 개발이 쉬움
메시지 처리량	비즈니스 메시지인 경우 일정 수 이상 비용 발생	거의 무제한
비용	비즈니스 메시지인 경우 일정 수 이상 비용 발생	무료

어차피 서비스를 할 것도 아닌 상황이라,

구현이 쉽고 제한이 없는 텔레그램을 사용하기로 결정했다.

Bot을 한번 사용해보고 싶기도 했고, 재미있는 도전이 될 것 같았다.

⭐⭐⭐ 프로그램 개발 의뢰 받아요 ⭐⭐⭐ (2024년 10월부터)

직장인 조모씨 — Mon, 21 Oct 2024 16:41:24 +0900

안녕하세요 직장인 조모씨 입니다.

그동안 취미로 사이드 프로젝트를 진행하면서 도움이 되었다는 댓글을 받을 때마다 기분이 참 좋더군요.

본업도 개발자지만, 취미로도 개발을 하다보니 이왕 개발 하는거, 다른 분들도 도와드리고 싶었습니다.

간단한 기능인데 프로그래밍을 잘 몰라서 망설이셨던 분들

새로운 기능 구현을 원하시는 분들
반복 작업에 지치신 분들

같이 의논하면 문제 해결이 쉬워질 수 있습니다.

분야: 윈도우 응용 프로그램, 매크로, 자동화, 영상처리

언어: Python, C++

별 하나 플랜 ⭐	별 두개 플랜 ⭐ ⭐	별 세개 플랜 ⭐ ⭐ ⭐
간단한 프로그래밍 ( 기존 코드 수정 및 단순 문제풀이) - GUI 없음	데스크톱 어플리케이션 개발 - Pyqt, MFC를 통한 간단한 GUI 연동	협의
작업일 2일	작업일 7일	협의
30,000원 부터	100,000원 부터	협의

아래 링크로 카카오톡 채팅 주세요 :)

https://open.kakao.com/o/sNPJzLVg

직장인 조모씨님의 오픈프로필

python, c++ 응용 프로그램 개발 의뢰 받습니다. minicode.tistory.com

open.kakao.com

[Git] 원격 리포지토리에 푸시하지 못했습니다. Out of memory, malloc failed

직장인 조모씨 — Tue, 15 Oct 2024 10:12:48 +0900

원격 리포지토리에 푸시하지 못했습니다. 자세한 내용은 출력 창을 참조하세요.
Enumerating objects: 2812, done.
Delta compression using up to 20 threads
원격 리포지토리에 푸시하는 동안 오류가 발생했습니다. Git failed with a fatal error.
Git failed with a fatal error.
Out of memory, malloc failed (tried to allocate 388617217 bytes)
the remote end hung up unexpectedly
send-pack: unexpected disconnect while reading sideband packet
the remote end hung up unexpectedly
failed to push some refs to

해결방법

설명

Git `http.postBuffer` 설정: 대규모 푸시 시 HTTP 버퍼 문제 해결하기

Git을 통해 대규모 데이터를 원격 리포지토리에 푸시할 때, http.postBuffer 설정은 매우 중요한 역할을 한다. 특히, 원격 서버로 데이터를 전송하는 과정에서 "the remote end hung up unexpectedly" 또는 "mmap failed"와 같은 오류가 발생한다면, Git이 사용하는 HTTP 버퍼 크기가 제한되어 문제가 발생했을 가능성이 있다. 이번 포스팅에서는 http.postBuffer 설정을 통해 대규모 파일 푸시 문제를 해결하는 방법을 소개한다.

HTTP 버퍼란?

Git은 데이터를 HTTP 프로토콜을 사용하여 원격 리포지토리로 전송할 때, 일정한 크기의 버퍼를 사용해 데이터를 나누어 보낸다. 이때, 버퍼 크기가 너무 작으면 대용량 데이터나 파일을 전송하는 과정에서 전송이 중단되거나, 원격 서버가 갑자기 연결을 끊어버리는 문제가 발생할 수 있다. 이러한 문제는 파일이 너무 커서 HTTP 버퍼를 초과할 때 주로 발생한다.

`http.postBuffer` 설정이란?

http.postBuffer는 Git에서 HTTP 프로토콜을 사용해 데이터를 전송할 때 사용할 수 있는 버퍼의 최대 크기를 설정하는 옵션이다. 기본적으로 이 값은 1MB로 설정되어 있다. 하지만 대규모 파일을 푸시할 경우 이 크기를 늘려주면 전송이 안정적으로 이루어질 수 있다.

`http.postBuffer` 설정 방법

다음 명령어를 사용하여 Git의 http.postBuffer 크기를 500MB로 설정할 수 있다:

git config --global http.postBuffer 524288000

위 명령어는 HTTP 버퍼 크기를 500MB로 설정하여, Git이 대용량 데이터를 전송할 때 더 큰 버퍼를 사용하도록 한다. 이렇게 하면 대규모 데이터를 전송하는 과정에서 발생할 수 있는 "unexpectedly hung up" 오류를 줄일 수 있다.

언제 이 설정이 필요할까?

이 설정은 특히 다음과 같은 상황에서 유용하다:

대용량 파일을 포함한 리포지토리를 푸시할 때.
네트워크 연결이 불안정할 때, 데이터가 작은 크기로 나뉘어 전송될 때마다 연결이 끊기는 문제가 발생할 수 있다. 이때 버퍼 크기를 늘리면 한 번에 더 많은 데이터를 전송하게 되어 문제를 해결할 수 있다.
원격 서버에서 HTTP 프로토콜을 사용할 때, SSH나 Git 프로토콜이 아닌 경우에 HTTP 버퍼 크기 문제로 인해 전송 오류가 발생할 가능성이 높다.

마무리

http.postBuffer 설정을 통해 Git이 데이터를 푸시할 때 사용할 수 있는 버퍼 크기를 적절히 조정함으로써, 대규모 파일이나 데이터 전송 문제를 해결할 수 있다. 특히, 원격 서버로 대량의 데이터를 전송할 때 발생하는 전송 중단 문제는 이 설정을 통해 해결되는 경우가 많다. 따라서 대규모 리포지토리를 운영하거나 대용량 파일을 자주 다루는 경우, 이 설정을 적절히 조정하여 Git 환경을 최적화하자.

Git 메모리 사용 최적화: 대규모 푸시 문제 해결하기

Git을 사용하여 대규모 리포지토리를 원격 서버에 푸시할 때, 메모리 사용량이 급격히 증가하여 오류가 발생할 수 있다. 특히, “mmap failed”나 "Out of memory" 같은 메시지가 보인다면, 이는 Git이 푸시할 데이터를 압축하는 과정에서 과도한 메모리를 사용하는 것이 원인일 가능성이 높다. 이러한 문제는 푸시할 파일의 크기와 델타 압축 처리 방식이 결합되어 발생하는 경우가 많다.

1. `pack.windowMemory` 설정으로 메모리 제어하기

Git은 푸시할 파일을 패킹(pack)하고 델타 압축을 처리하는 과정에서 많은 메모리를 사용한다. 이때 pack.windowMemory 설정을 통해 Git이 사용하는 메모리 양을 제한할 수 있다. 기본적으로 Git은 대규모 파일을 처리할 때 더 많은 메모리를 할당하는데, 이 값을 적절히 줄이면 메모리 부족 문제를 피할 수 있다.

git config --global pack.windowMemory 100m

위 명령어는 Git이 압축을 처리할 때 사용할 수 있는 메모리를 100MB로 제한한다. 이로 인해 델타 압축 과정에서 필요한 메모리 양을 줄일 수 있어 메모리 부족 문제를 예방할 수 있다.

2. `pack.packSizeLimit`으로 패키지 크기 제한하기

pack.packSizeLimit 옵션은 Git이 한 번에 패킹할 수 있는 최대 파일 크기를 제한한다. 이 설정을 통해 대규모 파일을 한 번에 처리하지 않도록 할 수 있으며, 이는 메모리 사용량을 더욱 효과적으로 줄이는 데 기여한다.

git config --global pack.packSizeLimit 100m

이 설정은 Git이 100MB 이상 크기의 파일을 한 번에 처리하지 않도록 제한한다. 대형 파일을 여러 작은 패킷으로 나누어 처리하게 되어 메모리 사용을 효율적으로 분산시킬 수 있다.

3. `pack.threads`로 병렬 처리 스레드 수 줄이기

Git은 기본적으로 푸시할 데이터를 병렬로 처리하기 위해 여러 개의 스레드를 사용한다. 그러나 많은 스레드를 사용할수록 메모리 사용량이 증가할 수 있다. 이를 방지하기 위해 pack.threads 옵션을 사용하여 병렬 처리에 사용되는 스레드 수를 제한할 수 있다.

git config --global pack.threads "1"

위 설정은 Git이 압축 작업을 단일 스레드로 처리하도록 한다. 이는 메모리 사용량을 최소화하는 데 유리하며, 특히 시스템 메모리가 제한된 환경에서 효과적이다.

NSIS 설치파일 만들기

직장인 조모씨 — Fri, 27 Sep 2024 16:54:09 +0900

1. NSIS 다운로드

https://nsis.sourceforge.io/Download

Download - NSIS

nsis.sourceforge.io

2. HS NIS Edit 다운로드

https://hmne.sourceforge.net/

HM NIS Edit: A Free NSIS Editor/IDE

HM NIS EDIT: A Free NSIS Editor/IDE | | | | | | | HM NIS Edit is the best Editor/IDE for Nullsoft Scriptable Install System (NSIS). Its useful for experts and beginners in the creation of Setup programs with the NSIS. Its S

hmne.sourceforge.net

설치 도중 에러메시지는 '무시' 하여 넘어가기.

3. (선택사항) 기존 설치파일 만들 때 사용하던 이미지가 있는 경우 Contrib 폴더 덮어써주기.

C:\Program Files (x86)\NSIS\Contrib

Refenrence

1. https://luckygg.tistory.com/258

[NSIS] NSIS 프로그램 다운로드 및 설치하기

NSIS 다운로드 아래 링크에 접속하여 NSIS 최신 버전을 다운로드합니다. 링크: nsis.sourceforge.io/Download 접속하면 아래와 같은 화면이 표시됩니다. Download 버튼을 클릭합니다. Download 버튼을 클릭하면 S

luckygg.tistory.com

2. https://luckygg.tistory.com/259

[NSIS] HM NIS Edit 프로그램 다운로드 및 설치하기

소개 이전 포스팅에서 NSIS 프로그램 다운로드 및 설치 방법을 소개했었습니다. [NSIS] NSIS 프로그램 다운로드 및 설치하기 그런데 막상 실행해보면 어떻게 사용해야 하는지 모를 겁니다. 문서나

luckygg.tistory.com

libtorch serialize (RT Convert) 오류 1

직장인 조모씨 — Fri, 20 Sep 2024 17:04:34 +0900

inference library framework 변경 중 발생한 오류.

m_Engine_RTs 객체 초기화가 안되어 발생하였다.

해결 방법

* setDimensions 파라미터 순서 변경

-> 주석달린 TensorFlow의 경우에는 NHWC 순서, 주석이 없는 PyTorch의 경우에는 NCHW 순서 (N: 배치, H: 높이, W: 너비, C: 채널 순서)

* inputLayer, outputLayer 이름 변경

-> 아래 사진의 좌측은 tensorflow, 우측은 pytorch 이다. 같은 모델이더라도 layer 이름이 바뀌어서 맞춰줘야 한다.

RT convert 완료

libtorch classification inference , torch::jit::load fail

직장인 조모씨 — Fri, 13 Sep 2024 12:18:01 +0900

아래 부분에서 에러 발생

아래는 pytorch 모델 훈련 결과물이다.

dummy_cls_heatmap.pth 로드할 때 문제가 생기는데

dummy_cls_heatmap_jit.pth 파일을 로드해야 하나?

dummy_cls_heatmap_jit.pth 이름을 dummy_cls_heatmap.pth 로 변경 후 정상 동작함.

heatmap model 말고 일반 모델같은 경우에는 jit.pth 파일 아닌 원래 pth 파일 로드해도 정상 동작한다.

torch::jit

torch::jit::load는 PyTorch에서 JIT (Just-In-Time) 컴파일된 TorchScript 모델을 로드하는 함수입니다. PyTorch의 모델은 일반적으로 Python에서 작성되지만, C++에서도 PyTorch 모델을 사용할 수 있게 하기 위해 TorchScript로 변환하는 방법이 있습니다. torch::jit::load는 이 TorchScript로 변환된 모델을 C++에서 불러오기 위해 사용됩니다.

주요 이유는 다음과 같습니다:

C++로의 모델 배포: Python으로 개발한 모델을 C++로 배포할 때 TorchScript로 변환하여 torch::jit::load로 로드함으로써 Python에 의존하지 않고도 C++에서 모델을 실행할 수 있습니다.
성능 향상: TorchScript 모델은 JIT 컴파일을 통해 최적화될 수 있으며, 이는 특히 성능이 중요한 상황에서 유리합니다. C++로 모델을 실행할 때 JIT 컴파일을 이용하면 속도와 메모리 측면에서 이점이 있습니다.
멀티 플랫폼 사용: C++에서는 GPU(CUDA) 또는 CPU를 선택적으로 사용할 수 있으며, torch::jit::load를 통해 동일한 모델을 다양한 하드웨어에서 실행할 수 있습니다. 코드에서도 torch::cuda::is_available()로 GPU의 사용 여부를 확인하고, 이에 따라 GPU 또는 CPU에서 모델을 실행하도록 하고 있습니다.

따라서 torch::jit::load는 PyTorch 모델을 Python 환경 외에서, 특히 성능과 배포를 고려한 C++ 애플리케이션에서 사용할 수 있게 해주는 중요한 함수입니다.

결론

jit 변환된 파일로 기존 pytorch 모델 transfer learning 되는지 확인해보자.

* transfer learning 이

-. 된다면

-> jit 변환된 파일을 다른 이름으로 저장하지 말고, 그냥 원래 이름으로 덮어쓰기 해버리자. 해당 파일만 사용해도 무리 없기 때문

-. 안된다면

-> Inference Library 단에서 heatmap.pth 로드 대신 heatmap_jit.pth 파일을 로드하도록 변경할 필요가 있음.

전처리 단계에서의 예외처리, 런타임 단계에서의 예외처리

직장인 조모씨 — Thu, 12 Sep 2024 11:16:41 +0900

Define.h

global variable class

변수 선언

변수 할당

사용

전처리 단에서 막으려면 if defined(PYTORCH_VERSION)

런타임 단에서 막으려면 if(is_pytorch_framework())

범주형 데이터의 종속변수와 모델링 기법들

직장인 조모씨 — Tue, 10 Sep 2024 17:01:31 +0900

점유율 분석: 다중로젯모델 / 이산선택모델

주가 분석: 비정상수익을 사용한 회귀분석 / RNN

[Pytorch] Libtorch 1.9.1의 Visual Studio 2015 빌드 실패

직장인 조모씨 — Tue, 10 Sep 2024 16:13:11 +0900

이슈: Libtorch 1.9.1의 Visual Studio 2015 빌드 실패

환경

테스트: Windows 11 / Visual Studio 2015 / Libtorch 1.9.1
Inference Library 빌드 환경: Windows 10 / Visual Studio 2019 / Libtorch 1.9.1

문제 Libtorch 1.9.1이 Visual Studio 2015에서 빌드되지 않음.

상세 Visual Studio 2019에서 빌드된 Inference Library를 AI Tool에서 테스트하려 했으나, Visual Studio 2015로 빌드 시 컴파일 오류 발생.

원인 Libtorch 1.9.1은 C++14 이상의 컴파일러 환경이 필요하나, Visual Studio 2015는 C++14를 불완전하게 지원.

해결 Visual Studio 2019에서는 정상 빌드 확인. VS2017 이상으로 업그레이드 필요.

기록들...

vs2015 가 지원하는 c++ 버전의 libtorch 일정 버전 이상에서 요구하는 c++ 버전에 못미치기 때문에 문제가 발생하는 듯...

https://github.com/pytorch/pytorch/issues/48165

Libtorch 1.7,1.6, 1.5 did not work on visual studio 2015 · Issue #48165 · pytorch/pytorch

Bug Hi Guys: I try to run libtorch 1.7 on visual studio 2015, as your website recommends and solution was created by following CMake from pytorch.org website. I encounter 102 errors and have no c...

github.com

https://github.com/pytorch/pytorch/issues/33333

windows10 + Vs2015,Compiling libtorch1.4 failed · Issue #33333 · pytorch/pytorch

I downloaded the Release version of libtorch1.4, and built the project through cmake on win10, Vs2015. When generating a solution, the following error is prompted. Has anyone encountered this kind ...

github.com

https://github.com/pytorch/pytorch/issues/21768

compile error when using Libtorch 1.1 on windows 7 vs2015 · Issue #21768 · pytorch/pytorch

❓ Questions and Help I followed the guidence from pytorch.org to make a project which recall the libtorch using Vs2015. Cuda version 8.0 cudnn 7.0 libtorch version 1.1 but when i compile the projec...

github.com

Update3 설치?

https://go.microsoft.com/fwlink/?LinkId=691129

[Pytorch] libtorch버전 확인 방법. how to check version of libtorch library

직장인 조모씨 — Tue, 10 Sep 2024 12:19:54 +0900

경로: Pytorch\include\torch\csrc\api\include\torch\version.h

version.h 파일을 확인해보면 정보가 나온다.

사진에서는 1.9.1

AI 개발자에 대한 목표

직장인 조모씨 — Mon, 9 Sep 2024 11:37:48 +0900

1. Backbone Network 에 대한 이해

2. 응용 Domain에 맞기 modification

3. Hyperparameter의 정확한 적용과 학습결과 해석

4. 응용 Domain과 deep learning과의 연관성 이해

5. Data 관리 실력 확보 (crawling, augmentation, purification, annotation)

상상

용어 (인공지능, 기계학습, 딥러닝)

직장인 조모씨 — Mon, 9 Sep 2024 11:26:52 +0900

영상처리: 영상의 품질 개선, 압축, 기하학적 처리, 특징 추출

컴퓨터 비전: 영상으로 부터 특징 추출. 특징은 히스토그램, 그레디언트, 색, 기하학적 특징, edge 등

패턴인식: 추출된 특징을 사용해서 영상내 각체를 식별

딥러닝: 신경망(NN), 머신 러닝을 실현하는 기술, 뇌의 뉴런과 유사한 정보 입출력 계층을 활용

머신러닝: NN, SVM같은 학습기반 인식(분류)기술, 대량의 Data와 Algorithm을 통해 컴퓨터 자체를 학습시켜 작업 수행

인공지능: 컴퓨터와 같은 기계로 인간의 지능을 구현한 것.

뇌의 활동을 묘사한 것 중 deep-learning이 있음. spiking은 연구 중(번뜩이는 착상)

Segmentation (semantic or instance)

직장인 조모씨 — Mon, 9 Sep 2024 11:15:54 +0900

semantic: 객체 유형별로 구분 (나무, 의자, 바닥, ...)

instance: 객체도 개별로 구분 (나무1, 나무2, 나무3, 의자1, 의자2, ...)

panoptic: semantic과 instance 결합

딥러닝 개발 구성요소

직장인 조모씨 — Mon, 9 Sep 2024 11:06:56 +0900

컴퓨터 OS: Windows, Ubuntu, Linux, Mac

개발 환경: anaconda, Jupyter notebook

IDE(integrated development environment) and editor: vscode, Pycharm, Jupyter notebook

프로그램 언어: Python, C/C++, Lua, Matlab

딥러닝 Frameworks(라이브러리): PyTorch, TensorFlow, Keras, MXNet, Caffe, Torch, Theano, Sonnet, Glion, ONNX, DL4J

Third party libraries: Scikit-Learn, Numpy, Pandas, SciPy, Pyplot, Tensorboard

Library for vision: OpenCV

Deep Learning Models: CNN, GAN, RNN, Auto-encoder, LSTM, Transformer, Reinforcement, Stable diffusion, DBN, RBN

darknet Error: cuDNN isn't found FWD algo for convolution

직장인 조모씨 — Thu, 29 Aug 2024 14:46:21 +0900

모델 구조를 생성할 때 필요한 메모리가 GPU VRAM을 초과하여 생기는 문제.

배치 사이즈를 줄여보자.

GPU VRAM (전용 메모리) 확인

직장인 조모씨 — Thu, 29 Aug 2024 14:09:49 +0900

작업 관리자 > 성능 > GPU 선택 > 전용 GPU 메모리 확인

GPU 1

NVIDIA GeForce RTX 3080 Ti Laptop GPU

드라이버 버전: 31.0.15.4680
드라이버 날짜: 2024-02-22
DirectX 버전: 12 (FL 12.1)
실제 위치: PCI 버스 1, 장치 0, 기능 0

사용률 0%
전용 GPU 메모리 0.3/16.0GB
공유 GPU 메모리 0.0/23.8GB
GPU 메모리 0.4/39.8GB

[펌] 윈도우 10 무료 정품인증 제품키

직장인 조모씨 — Thu, 29 Aug 2024 11:04:02 +0900

https://kenee.tistory.com/166

윈도우10 정품인증 영구 무료 인증 방법(How to activate Windows 10 for free permanently)

먼저 윈도우 인증 여부 확인이랑 버전을 확인해야 합니다. 윈도우 검색창에 "정품 인증 설정" 이라고 입력해서 열어주세요. 윈도우 에디션 부분을 확인해 봅니다. 정품인증을 받지 않은 상태라

kenee.tistory.com

[금융 계산기 도구 모음 사이트] 연평균 수익률 계산기 / 복리 계산기 / 평균단가 계산기 / 대출 상환 계산기

직장인 조모씨 — Mon, 26 Aug 2024 17:03:08 +0900

1. 사이트 소개

약 3년 전쯤 구글 스프레드 시트로 만든 복리 계산기 시트를 많은 분들이 찾아주시고 사용해 주셨다.

오랜만에 들어가 보니, 불특정 다수가 시트를 수정할 수 있게 만든 탓에 시트가 엉망이 되어버린 것을 발견했다

이참에 사용하기 쉽고, 깔끔한 디자인을 가진 사이트를 하나 만들어보았고, 많은 도움이 되었으면 좋겠다!

https://xpile98.github.io/financial-tools-website/

금융 도구 모음

xpile98.github.io

2-1) 연평균 수익률 계산기

2-2) 복리 계산기

2-3) 평단가 계산기

2-4) 대출 상환 계산기

상환 방식에 따라 계획이 달라진다.

마치며

이번 프로젝트를 진행하면서 Github Page에 React 프로젝트를 올리는 법에 대해 익혀서 기뻤다.

여러 에러들과 싸우고 git 커밋들과의 미로 같은 문제들과 싸웠지만 결국 방법은 있더라.

머릿속에 그림만 그렸던 사이트를 하나 만들어서 기분이 참 좋다 :)

누군가의 금융 생활에 조금이나마 도움이 되었으면 좋겠다는 맘으로 이만

[VS2015] 이 작업을 수행하려면 응용 프로그램이 관리자 권한을 가져야 합니다. (다른 자격 증명을 사용하여 다시 시작) 해결 방법, win11

직장인 조모씨 — Fri, 23 Aug 2024 11:28:42 +0900

솔루션 파일을 새로 열고 첫 빌드 후 항상 이 메시지가 나왔다.

속성에서 관리자 권한도 주고 이것 저것 다 해봤는데도 계속 뜸...

결론적으로는 호환성 마법사를 통해 옵션을 지정해줘야 하는데,

win10이랑 win11의 호환성 마법사 접근 방식이 다르다.

먼저 win10.

1. Visual Studio 설치 경로에 들어가줍니다.

ex) C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\IDE

우클릭 후 "호환성 ... 어쩌구" 클릭해줍니다.

제 PC는 win11이라 정확한 메뉴 명칭이 기억나지 않네요.

win11

제어판에서 "호환성" 검색 -> '이전 버전의 Windows용ㅇ으로 만든 프로그램 실행' 클릭

다음 클릭

본인 Visual Studio 버전 클릭 -> 다음

프로그램 문제 해결 클릭

프로그램에 추가 권한 필요 클릭

프로그램 테스트 하여 빌드 & 실행 되는지 확인!

되었으면 성공이다.

다음을 눌러 마무리하자.

굿~~

리디북스 DRM 해제, 복호화 프로그램 (Dummy)

직장인 조모씨 — Mon, 12 Aug 2024 22:39:12 +0900

아래 프로그램은 실제 동작하지 않는 허구의 (Dummy) 프로그램입니다.

개인적인 공유나 작동 방식에 대한 문의는 받지 않습니다.

주요하게 생각한 것은 아래 3가지

JSON 파싱
UI 배치
사용자 편의성을 높여보는 시도

1. 기기 선택 기능

2. 도서 목록 불러오기 기능

3. 복호화 기능

4. 결과물 출력

RedBoxCapture, 빨간 네모만 그리면 캡처가 저절로! (Ver 2.1 공유)

직장인 조모씨 — Mon, 12 Aug 2024 21:50:48 +0900

어느정도 안정화가 되었습니다.

단축키를 눌러 원하는 영역을 드래그 후 원하는 곳에 붙여넣으면 끝!

아래는 RedBoxCapture를 사용해서 캡처한 창의 예시들입니다.

RedBoxCapture 다운로드

RedBoxCapture_2.1.zip

0.04MB

RedBoxCapture 사용 설명서

1. 프로그램 개요

이 프로그램은 사용자가 지정한 화면 상의 특정 지점에 있는 최상위 창과 선택한 영역을 표시해 캡처하는 도구입니다.

2. 주요 기능

화면 상의 특정 지점에 있는 최상위 창 캡처
사용자가 선택한 영역을 사각형 테두리로 강조
캡처된 이미지를 비트맵으로 저장

3. 사용 방법

프로그램을 실행합니다.
캡처하고자 하는 창의 원하는 부분을 드래그합니다.
프로그램이 자동으로 해당 창을 인식하고 캡처합니다.
캡처된 이미지는 프로그램 내에서 확인할 수 있습니다.

4. 주의사항

프로그램은 Windows Vista 이상의 운영 체제에서 정상 작동합니다.
일부 특수한 애플리케이션의 경우 캡처가 정확하지 않을 수 있습니다.

5. 문제 해결

캡처가 정확하지 않은 경우:

프로그램을 관리자 권한으로 실행해보세요.
대상 애플리케이션의 호환성 설정을 확인하세요.
시스템의 디스플레이 설정에서 DPI 스케일링이 올바르게 설정되었는지 확인하세요.

듀얼 모니터를 사용하시는 경우에는 주의가 필요하겠습니다.

각 모니터들의 배율이 다른 경우에는 캡처가 잘 안되더군요.

시간이 날때 수정을 해야겠습니다.

RedBoxCapture 기능 추가 및 버그 수정!

직장인 조모씨 — Fri, 9 Aug 2024 18:00:07 +0900

이전 글에서 추가 작업이 필요하다고 한 것들이 있다.

* 추가 개선 필요한 작업들 *

버그
- 일부 창 캡처 크기가 맞지 않는 버그
- 파일 탐색기의 메뉴 및 네비게이션 바 안보이는 버그

기능
- 메뉴 - 단축키 지정 기능
- 메뉴 - 이미지 저장 기능 ON/OFF, Path
- 메뉴 - 빨간 선 두께 설정 기능
- 캡처 중 ESC 눌러 취소 기능

마무리
- 아이콘 추가
- 배포

https://minicode.tistory.com/294#google_vignette

RedBoxCapture, 블로거를 위한 캡처 프로그램 (1.0 베타)

테크 블로그를 할 때 드는 생각은 캡처를 하기 귀찮다는 것. 언제 캡처해서, 언제 네모 그리고, 언제 첨부할 것인가...... 그냥 빨간 네모만 그리면 알아서 캡처되게 하자! 1.0 버전 주요 기능1.

minicode.tistory.com

이제서야 굵직한 버그 수정 및 기능 안정화가 되어 버전 2.0을 올려본다.

아래 프로그램 소개글은 모두 RedBoxCapture 프로그램으로 캡처한 것을 밝힌다.

먼저 RedBoxCapture...응? 프로그램 이름이 잘못되었네... 수정할거 하나 추가.

아무튼 exe 프로그램을 실행시켜주자.

작업 표시줄에 프로그램이 나타난다.

기본적으로 백그라운드에 항상 실행되어있다.

언제 어디서든 단축키만 누르면 바로 캡처가 가능하도록 했다.

아이콘을 우클릭하면 Setting을 변경할 수 있다.

이미지가 저장되는 경로를 C드라이브로 바꾸고, 선 색도 초록색으로 바꿔서 저장을 해보겠다.

(여기서는 Title Bar 캡처가 안되네.. 수정할거 추가...)

잘 저장이 되었을까?

단축키 ctrl + D (변경 가능)을 눌러 캡처를 해보았다.

음...

C드라이브에는 저장이 안된다.(관리자 권한 문제인듯)
그리고 저장이 안되면 클립보드에도 복사가 안되네.
D드라이브에는 저장이 잘 되는 것 확인!

몇가지 오류만 더 수정해야겠다...^^

그래도 창 크기 구하는 부분을 해결해서 다행

RedBoxCapture_2.0.zip

0.07MB

RedBoxCapture, 블로거를 위한 캡처 프로그램 (1.0 베타)

직장인 조모씨 — Fri, 9 Aug 2024 02:07:34 +0900

테크 블로그를 할 때 드는 생각은 캡처를 하기 귀찮다는 것.

언제 캡처해서, 언제 네모 그리고, 언제 첨부할 것인가......

그냥 빨간 네모만 그리면 알아서 캡처되게 하자!

1.0 버전 주요 기능

1. 프로그램 시작 후 ctrl+D 단축키 누르면 박스 그리기 시작

2. 드래그해서 박스 그리면 알아서 해당 창까지 캡처 완료(바로 복사까지 된다)

붙여 넣은 모습

일례로 아래와 같은 글을 너무나 쉽게 작성할 수 있게 되었다.

https://minicode.tistory.com/293

node.js 설치 방법 (2024년 08월)

https://nodejs.org/en 접속 Download 설치 진행(Next만 누름) CMD 창 열고 npm -vnode -v 입력해서 버전이 나오면 설치 성공

minicode.tistory.com

다운로드드

RedBoxCapture_1.0.zip

0.30MB

추가 개선 필요한 작업들

버그

일부 창 캡처 크기가 맞지 않는 버그
파일 탐색기의 메뉴 및 네비게이션 바 안보이는 버그

기능

메뉴 - 단축키 지정 기능
메뉴 - 이미지 저장 기능 ON/OFF, Path
메뉴 - 빨간 선 두께 설정 기능
캡처 중 ESC 눌러 취소 기능
파일 탐색기의 경우

마무리

아이콘 추가
배포