노트북이 유선으로 연결되어 있을 때 Windows 7을 노트북을 이용하여 와이파이 AP로 설정하는 방법입니다.

 

작업 순서는

1. 명령 프롬프트 : 관리자 권한으로열기

2. 명령어 입력

>netsh wlan show drivers

>netsh wlan set hostednetwork mode=allow ssid=tintinWin7 key=12345678

>netsh wlan start hostednetwork

3. 어댑터 설정

4. 연결 확인

 

  

 

1. 명령 프롬프트 : 관리자 권한으로열기

 

명령 프롬프트를

시작 > 보조프로그램 > 명령 프롬프트

순서로 찾고

마우스 우측키 > 관리자 권한으로 실행

을 선택 합니다.


windows7_wifi_hotspot_ap


 

2. 명령어 입력

 

wifi를 지원 하는지 확인을 위한 명령어를 입력 합니다.

 

>netsh wlan show drivers


windows7_wifi_hotspot_ap


호스트된 네트워크 지원 :

예로 되어 있으니 와이파이 AP 로 사용이 가능 합니다.

 

와이파이에 표시되는 아이디 Service Set Identifier(ssid)를 적당히 명명 합니다여기서는 tintinWin7으로 하였습니다key 값은 비밀번호로 8자 이상 입력해야 합니다.


>netsh wlan set hostednetwork mode=allow ssid=tintinWin7 key=12345678

 

시작 명령어로 기동을 시킵니다.


>netsh wlan start hostednetwork


windows7_wifi_hotspot_ap


중지 하려면 stop 명령어를 사용 합니다.

>netsh wlan stop hostednetwork

 

 

3. 어댑터 설정

 

tintinWin7이 네트워크에 나타나는지 확인을 해보기 위해 우측 하단 네트워크를 클릭 합니다.  tintinWin7이 생성은 되어 있으나 네트워크에 연결되어 있지 않다고 표시되어 있습니다.


windows7_wifi_hotspot_ap


아직 유선과 무선을 연결하지 않아서 그런 것 입니다핸드폰에서도 wifi를 검색하면 tintinWin7이 나타나 연결 되지만 인터넷은 사용할 수 없습니다.

 

유선과 무선을 연결 하기 위해 네트워크 및 공유 센터 열기를 클릭 합니다.


windows7_wifi_hotspot_ap


어댑터 설정 변경을 선택 합니다.


windows7_wifi_hotspot_ap


로컬 영역 연결에 마우스를 놓고 우측 버튼을 클릭 한 후 속성 메뉴를 선택 하면 속성창이 나타 납니다여기에서 유선과 무선을 연결 해주면 됩니다.


windows7_wifi_hotspot_ap


다른 네트워크 사용자가 이 컴퓨터의 인터넷 연결을 통해 연결할 수 있도록 허용을 체크하고 하단 홈 네트워킹 연결을 눌러 tintinWin7이 설정된 무선 네트워크를 선택 합니다노트북 장치에 따라서 무선 네트워크 연결 2가 아닌 3이 될 수도 있습니다.


windows7_wifi_hotspot_ap


최종 선택한 모습입니다. 확인 버튼을 클릭 합니다이제 tintinWin7이 인터넷 액세스로 변경이 되었습니다.


windows7_wifi_hotspot_ap


어댑터 설정도 로컬 영역 연결은 공유됨으로 변경 되고 무선 네트워크 연결 2도 네트워크에 연결되어 있지 않음이 사라졌습니다.


windows7_wifi_hotspot_ap


이제 모든 설정이 완료 되었습니다.

 


4. 연결 확인


와이파이에서 tintinWin7을 선택 하고 인터넷에 연결해 봅니다.


windows7_wifi_hotspot_ap


인터넷에 연결이 되면 설정이 완료된것 입니다.



크롬을 사용하다 보면 일부 사이트에서 실명확인, 로그인, 선물하기 등 일부 기능이 레이어가 아닌 팝업을 이용하는 경우가 있어 필요한 사이트에 대한 팝업을 허용하거나 거부하는 방법을 알아 보겠습니다.

 


1. 설정 메뉴 선택


크롬 브라우저의 우측 상단에 로 점세개 아이콘을 클릭 하면 며뉴가 나오는데 하단 설정(S) 메뉴를 클릭 합니다.


google_chrome_팝업허용차단


설정 창으로 이동이 되었습니다.  이제는 좌측 상단 삼선 슬리퍼 모양의 아이콘을 클릭 합니다.


google_chrome_팝업허용차단



2. 고급 메뉴 선택


설정 메뉴 하단에 고급 이라는 메뉴가 있습니다클릭 해야죠.


google_chrome_팝업허용차단



3. 콘텐츠 메뉴 찾기

 

고급의 하부 메뉴 중 제일 처음에 있는 개인정보 및 보안을 선택 합니다. 


google_chrome_팝업허용차단


개인정보 및 보안 상세 항목이 많이 있는데 하단으로 이동을 합니다


google_chrome_팝업허용차단


그러면 끝부분에 콘텐츠 설정이 보이고 이것을 선택 합니다.

 


4. 팝업 설정 화면



google_chrome_팝업허용차단


리스트 중간쯤에 팝업 및 리디렉션 메뉴가 있습니다. 기본은 차단됨으로 설정이 되어있는데 이것을 클릭합니다

이제야 마지막 팝업 설정화면에 도달 했습니다.


google_chrome_팝업허용차단



5. 팝업 설정

 

위에 그림을 보면 설정 방법이 3가지가 있습니다.

1번은 어느 사이트건 무조건 팝업 사용이 가능합니다. 그래서 기본적으로 차단(권장)으로 설정 되어 있습니다.

2번은 1번을 전체 허용 한 경우 차단 하려는 사이트를 추가 하는 항목입니다.

3번은 1번을 전체 차단 한 경우 허용 하려는 사이트를 추가 하는 항목 입니다.

 

저는 3번 버튼을 클릭 했습니다.


google_chrome_팝업허용차단


팝업을 허용할 사이트 주소를 입력하고 추가 버튼을 클릭 합니다.


google_chrome_팝업허용차단


허용이 된 사이트 리스트를 볼 수 있습니다.

 

허용된 사이트를 삭제 하거나 주소를 잘못 기입한 경우에는 리스트 우측의 세로점 세개 아이콘을 클릭 하면 됩니다.


google_chrome_팝업허용차단

 

네이버는 차단을 선택했더니 차단 항목으로 이동이 되었습니다. 전체 차단 상태라 의미는 없습니다이런식으로 귀찮은 팝업이 없도록 잘 사용 하세요.

팝업을 허용하면 일부 사이트에서는 새창 열기 광고가 활성화 되는 경우도 있습니다꼭 팝업이 필요한 경우 허용해서 사용하고 다시 차단을 해놓으면 됩니다.



텐서플로우 튜터리얼 첫페이지에 나오는 소스를 이용해서 숫자 이미지를 불러와 맞추는 테스트를 해보았습니다.



1. MNIST 소스 코드

 

먼저 tensorflow tutorial 페이지를 방문해 봅니다.


https://www.tensorflow.org/tutorials


tensorflow_mnist_keras


이런식으로 우측에 소스가 보입니다.

 

소스를 긁어다가 실행을 해 봅니다.


tensorflow_mnist_keras


tensorflow_mnist_keras


98%의 정확도를 가지고 있습니다.


tensorflow_mnist_keras


작업관리자를 확인해 보니 CPU가 매일 탱자탱자 노는 모습에 울화가 치밀었는데 드디어 오늘 일하는 모습을 보게 되어 기쁩니다.



2. 숫자 이미지

 

이제 숫자 이미지를 준비해야 하는데 따로 준비하기가 귀찮아 MNIST 데이터에 있는 숫자 이미지를 하나 복사해서 사용하기로 했습니다.


tensorflow_mnist_keras



3. 테스트 결과

 

우선 결과 화면을 보면 다음과 같습니다.


tensorflow_mnist_keras


잘 맞추었습니다.



4. 소스 설명

 

4.1 작업 관련 library import


import tensorflow as tf

import matplotlib.pyplot as plt

from PIL import Image


4.2 MNIST 데이터


MNIST 데이터를 불러와서 traintest용으로 분류 합니다.


mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()

x_train, x_test = x_train / 255.0, x_test / 255.0


4.3 tk.keras model


모델을 정의하고 어떤식으로 학습을 진행 할지 컴파일 환경을 설정 합니다.


model = tf.keras.models.Sequential([

  tf.keras.layers.Flatten(),

  tf.keras.layers.Dense(512, activation=tf.nn.relu),

  tf.keras.layers.Dropout(0.2),

  tf.keras.layers.Dense(10, activation=tf.nn.softmax)

])

model.compile(optimizer='adam',

              loss='sparse_categorical_crossentropy',

              metrics=['accuracy']) 


4.4 훈련과 평가


model.fit(x_train, y_train, epochs=5)

score = model.evaluate(x_test, y_test) 


4.5 이미지 로딩


테스트를 진행할 이미지 한개를 불러와 규격에 맞춥니다.

여기서는 이미 규격화된 이미지라 사이즈 조정이 필요 없습니다.


test_num = plt.imread('F:/tensordata/number/58.png')

plt.imshow(test_num, cmap='Greys', interpolation='nearest');

test_num = test_num.reshape((1, 28, 28, 1)) 


4.6 예측

 

이미지를 이용하여 값을 예측하고 출력 합니다.


print('The Answer is ', model.predict_classes(test_num))

plt.show() 



5. 전체 소스


import tensorflow as tf

import matplotlib.pyplot as plt

from PIL import Image

 

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()

x_train, x_test = x_train / 255.0, x_test / 255.0

 

model = tf.keras.models.Sequential([

  tf.keras.layers.Flatten(),

  tf.keras.layers.Dense(512, activation=tf.nn.relu),

  tf.keras.layers.Dropout(0.2),

  tf.keras.layers.Dense(10, activation=tf.nn.softmax)

])

model.compile(optimizer='adam',

              loss='sparse_categorical_crossentropy',

              metrics=['accuracy'])

 

model.fit(x_train, y_train, epochs=5)

score = model.evaluate(x_test, y_test)

 

############ 추가 소스 ##################

img = Image.open("F:/tensordata/number/58.png")

plt.imshow(img)

plt.show()

 

test_num = plt.imread('F:/tensordata/number/58.png')

 

plt.imshow(test_num, cmap='Greys', interpolation='nearest');

 

test_num = test_num.reshape((1, 28, 28, 1))

 

print('The Answer is ', model.predict_classes(test_num))

plt.show() 


- copy coding -


Keras를 이용하여 모델을 만들어 저장하고 다시 불러오는 코드에서 오류가 발생하였습니다아무래도 설치가 잘못 되었거나 환경 설정에 문제가 있는것 같은데 찾기가 쉽지는 않을것 같아 응급처리를 해서 작업을 하였습니다.

 


1. 오류 내용


오류는 여기에서 발생 했습니다.

loaded_model = model_from_json(loaded_model_json)


GlorotUniform_keras


ValueError : Unknown initializer: GlorotUniform 오류 발생


GlorotUniform_keras

 

좀 다른 형태로 불러와 보았습니다.

model = model_from_json(f.read())

 

역시 이렇게 해도 동일한 부분에 동일한 오류가 발생 합니다.

 


2. 해결 방법


오류 내용을 좀더 읽어 보니 모듈을 저장하는 부분에서 문제가 있는 듯 합니다.

keras가 아닌 tensorflow에 포함된 keras를 사용하는것 같습니다.

 

함수 model_from_json()의 전체 pathtensorflow로 잡아봤습니다.

loaded_model = tf.keras.models.model_from_json(loaded_model_json)

 

오류 없이 잘 작동이 됩니다.



1···91929394959697···119

+ Recent posts