행복한바보고양이😻

📌 1. 개요Gemma 모델은 Google DeepMind에서 개발한 강력한 **LLM(대형 언어 모델)**입니다.이 모델을 Streamlit에서 활용하려면 Hugging Face의 transformers 라이브러리를 사용해야 합니다.📌 하지만, 왜 transformers를 사용해야 할까요? ✅ 모델을 쉽고 빠르게 로드✅ 보안성이 강화된 safetensors 활용✅ 대규모 모델을 효과적으로 샤딩(Sharding)하여 로드✅ Hugging Face의 AutoModel을 통한 자동화된 설정 이 블로그에서는 transformers를 활용하여 Gemma 모델을 로드하는 이유와 과정을차근차근 설명해드리겠습니다.  🔍 2. transformers 라이브러리를 사용하는 이유✅ 1) 모델을 쉽고 빠르게 로드 가능..

Teachable Machine + Streamlit을 활용한 실전 프로젝트 개선 및 확장🎯 프로젝트 발전 과정과 추가 기능이 프로젝트는 이미지 분석을 통한 파충류 종 판별 및 특수동물 병원 검색, 유튜브 영상 추천 기능을 제공합니다.하지만 1편에서 다룬 기본 기능을 실제 프로젝트에서 적용하다 보니 한계점과 개선해야 할 사항이 발견되었습니다.따라서 2편에서는 다음과 같은 기능을 추가 및 개선하였습니다. 🛠 1. 실시간 바코드 스캔 기능 추가🏷 배경 및 필요성애완동물 사료, 사육 용품 등을 구매할 때 바코드를 스캔하여 제품 정보를 빠르게 확인할 수 있도록 기능을 추가.제품의 유통기한, 성분 정보, 저장 방법(냉장/냉동 여부) 등을 한눈에 파악 가능.공공 데이터 API를 활용하여 실시간으로 제품 데이터..

📌 1. Streamlit이란?  Streamlit은 Python 기반의 데이터 애플리케이션을 빠르게 개발할 수 있는 오픈소스 웹 프레임워크입니다.특히, 데이터 분석, 머신러닝, 대시보드 개발에 최적화되어 있어 간단한 코드만으로 강력한 웹 애플리케이션을 만들 수 있습니다.✅ 주요 특징✔ 손쉬운 설치 → pip install streamlit 만으로 설치 가능✔ 빠른 프로토타이핑 → 데이터 분석 결과를 바로 웹에서 시각화✔ 강력한 시각화 기능 → Matplotlib, Plotly, Altair 등 다양한 라이브러리 지원✔ 데이터 사이언티스트와 엔지니어 친화적 → 웹 개발 지식 없이도 간편한 대시보드 제작 가능  🔥 2. Streamlit 기본 설치 방법✅ (1) Anaconda 환경에서 설치 (추천)A..

Streamlit은 Python 기반의 애플리케이션을 간단하게 만들 수 있는 도구로, 머신러닝 모델을 웹 애플리케이션으로 전환하는 데 매우 적합합니다. 이번 글에서는 Jupyter Notebook에서 학습한 인공지능 모델을 Streamlit에서 어떻게 사용하는지 자세히 알아보겠습니다. 📂 준비된 파일 및 역할regressor1.pkl학습된 머신러닝 모델이 저장된 파일입니다.Pickle 형식으로 저장되어 있으며, Streamlit 앱에서 이 파일을 로드하여 예측에 활용합니다.car_price.ipynbJupyter Notebook에서 차량 가격을 예측하는 모델을 학습시키고 저장하는 코드를 포함하고 있습니다.app.pyStreamlit 애플리케이션 코드 파일로, 저장된 모델을 불러와 사용자 입력을 기반으로..

1. 웹 서버를 구동하는 코드 # 스트림릿 라이브러리를 사용하여 웹 서버를 구동하는 코드import streamlit as stdef main(): pass if __name__ == '__main__': main()    2. 글자 출력하기   st.title() : 제목같은 큰 글씨st.subheader() : 제목보다 작은 글씨st.text() : 기본 작은 글씨st.success() :  성공 확인 나타내는 글씨st.info() : 정보 확인 st.error() :  에러 표시  st.title('Hello, Streamlit!') st.subheader('작은 제목') st.text('일반 텍스트') st.success('무엇인가 잘되었음을 글자로 나..