테스트 케이스에 여는 괄호가 더 많을 때에 대해서는 고려가 안되어 있는 것 같아요! 물론 강사님께서 짜신 코드대로 하면 문제가 없지만, 제가 미리 풀어봤을 때 닫는 괄호가 더 많아지면 NO를 출력하도록 해놓았는데, 여는 괄호가 더 많았을때는 고려하지 않고 코드를 짰는데, 모든 케이스를 통과했습니다. 예를 들어 ((((  로 테스트 케이스가 들어오는 경우가 추가 되어야 할 것 같네요!!^^

연습문제는 언제 업데이트 되나요?

안녕하세요  제이쿼리 slick slider 다운 받아 하는데 제꺼는 적용이 안됩니다. 아무리 해봐도 저렇게 밖에 안되는데 왜그러는 걸까요?

수업과는 조금 관계없는 질문인데 한번에 여러줄 주석처리할 때마다 너무 불편해서요 ㅠㅠ script 태그 내인데도 ctrl + / 누르면 자꾸 <!-- --> 이렇게 주석처리가 됩니다 심지어 그러고도 빨간줄이 떠요 (...) 강사님께서 하시는 것처럼 //로 주석처리되게 하는 방법이 있을까요?

안녕하세요 강사님! 활용편 1,2편에 이어서 이번 실전편도 듣고 있습니다. 활용편 2편에서 DTO로 조회하시는 걸 알려주셨는데요. 언듯 보기에는 DTO로 조회하는 것과 프로젝션으로 조회하는것이 비슷해 보이는데,  제가 지금 이해하기로는 - DTO의 경우 엔티티의 모든 필드를 조회해서 DTO에 넣어준다음에 반환 -프로젝션의 경우 프로젝션에 선언한 필드만 조회해서 반환 하는 차이만 있는 걸까요?  아니면 제가 잘못알고있거나 이해하지 못한 부분이 있는지 궁금합니다 ! 만약 단순하게 하나의 엔티티를 조회한다 할 경우, DTO와 프로젝션 어느 쪽을 더 선호하시는 지 궁금합니다 ! 감사합니다 !

삭제된 글입니다

@InitBinder protected void initBinder(WebDataBinder binder){ binder.setValidator(new ContentValidator()); } 이 부분을 한번만 코딩해 놓고 함수 파라미터에 @Valid  이것을 붙여주면  아래와 동일한 내용이 되는 건가요? ContentValidator validator = new ContentValidator(); validator.validate(contentDto, result);

Magic wind tool 사용시 선생님처럼 하얀색 배경을 클릭하고 delete하면 사진 전체가 지워지는데 해결방안 요청드립니다.

ValidationUtils.rejectIfEmptyOrWhitespace(errors, "writer", "writer is empty."); 여기서 문자 "writer" 이거가 어떻게 ContentDto 클래스의 writer필드인지 알 수 있는건가요?   스프링이 자동으로 알아서 인식하는 건가요? 

▣ 출력설명 첫째 줄에 홀수들의 합을 출력하고, 둘째 줄에 홀수들 중 최소값을 출력한다. 이라 적혀있는데, 저희가 짠 코드는 answer [] 에 sum, min 을 push 한 뒤 answer 를 return 해  [256, 41] 이라 한 줄에 출력되지 않습니까? 이 출력되는 답이 질문에 부합하는 답인가요?? 아니면 256 41 따로 이렇게 나오게 코드를 재작성해야하는건가요?

윈도우에서 pip pip3로 PyMySQL을 설치한 뒤에 설치된 것도 확인하고 파이썬 ide도 재실행 해봤는데 import pymysql에서 오류가 뜹니다. ModuleNotFoundError : no module named 'PyMySQL' 이거는 어떻게 해결해야 하나요?

안녕하세요! 강의 잘 듣고 있습니다.! 다름이 아니라 요즘엔 사실 자체 로그인과 함께 카카오 로그인 같은 oauth를 이용한 로그인을 많이 하는데 자체 로그인과 함께 oauth도 사용하려면 어떻게 해야하나요??

response.results로 불러온 영화 데이터 값들을 Moives에 넣을 수가 없네요... 아래는 log 를 찍어봤는데, Movies1, Movies2로그를 확인 부탁 드립니다.     const [Movies, setMovies] = useState([]);     const [MainMovieImage, setMainMovieImage] = useState(null);     useEffect(() => {         const endpoint = `${API_URL}movie/popular?api_key=${API_KEY}&language=en-US&page=1`         fetch(endpoint)             .then(response => response.json())             .then(response => {                 console.log('response : ', response);                  setMainMovieImage(response.results[0]);                 setMovies(response.results);                 console.log('Movies1 : ', Movies);                 setMovies([response.results]);                 console.log('Movies2 : ', Movies);             });     }, [])

안녕하세요.쿠키부분 reduce관련해서 질문드립니다.제가 평상시 알던 reduce는 reduce((acc,cur,index,arr)=>{})형식으로 사용하고 있었습니다.그런데 해당부분 강좌에서  const parseCookies = (cookie = '') =>     cookie         .split(';')         .map(v => v.split('='))         .reduce((acc, [k,v]) => {             acc[k.trim()] = decodeURIComponent(v)             return acc;        }, {}); 이렇게 reduce((acc,[k,v])=>{})이렇게 대괄호로 묶어서 사용하셨더라구요.저의 검색 실력이 부족하고 이것저것 만져봐도 어떤의미로 저걸 사용하셨는지 잘 모르겠어서 이렇게 질문드립니다.

안녕하세요. 제가 오토인코더 loss를 ssim나 mse로 설정해서 훈련을 하습니다 오토인코더가 binary_crossentropy 혹은 categorical_crossentropy와 같은 기본 분류가 아니다보니 metric을 아래와 같이 그냥 적으면 이게 맞는 것인지 모르겠습니다 metrics=['mae'] if loss == 'mse' else ['mse'] metrics.append(['acc', Precision(name='precision'), Recall(name='recall'), AUC(name='auc')])   일정 threshold가 있어야, 정상 혹은 비정상으로 분류한 것인지 알아야 하는데 헷갈리네요

OnRecvCompleted 콜백으로 오는 시점이 궁금합니다 커널에서 어느시점에 해당 소켓에 이벤트를 넘겨주는건가요? 수신버퍼에 조금이라도 차있고 해당 프로그램의 소켓의 순서가 되었을 때 프로그램에 넘겨주는건가요? 1. TCP 특성상 데이터 경계가 없다고 얘기해주셨는데, 그럼 어느시점에 프로그램에게 Recv 이벤트를 알려주는건지 궁금합니다. 2. MSS(1460byte) 보다 큰 App Payload를 TCP에 넘기면 TCP에서 패킷을 MTU 크기만큼 쪼게 나눠 보내는 걸로 알고 있는데요 이때에 나눠받을 때 일부분도 수신버퍼에 들어가고 Recv로 오게되나요? 아니면 쪼게진 패킷을 모두 받아야 수신버퍼에 넣고 어플리케이션으로 넘겨주고 이때 OnRecvCompleted 콜백이 호출되나요? 40byte 를 보냈으나 40byte를 그대로 받지 않는다는 부분의 경우의 수를 조금 더 알고싶습니다

실무에서는 4가지 방법중 어느걸 많이 쓸까요?

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. cattmerry@gmail.com 으로 보내주시면 감사하겠습니다!

안녕하세요 강사님. 저번에 친절하게 올려주신 답변을 보고 따라하는 중에 또 질문을 올리네요!! Keras-yolo를 데스크탑 gpu로 train해서 만든 .h5파일을 노트북 cpu로 inference 과정 중 문제가 생겼습니다. 모델 로드는 제대로 되었는데, Yolo의 detect_image()를 사용하여 inference 중 아레와 같은 에러가 발생하였습니다! 혹시 cpu에서 keras-YOLO는 사용이 불가능한 것일까요? -------------- 모델 학습 25회 학습 + validation 2회 진행 중 한번 끊겨서 중간 저장된 model_stage_1.h5로 5회 학습 + 5회 validation 진행한 결과입니다. train_yolo(pretrained_path, annotation_path,classes_path, anchors_path, log_dir,trained_model_name, b_size, epochs_cnt) pretrained_path: C:/JupyterNotebook/ClothClassified/model_data/cloth_stage_1.h5 Create Tiny YOLOv3 model with 6 anchors and 14 classes. Load weights C:/JupyterNotebook/ClothClassified/model_data/cloth_stage_1.h5. Freeze the first 42 layers of total 44 layers. Train on 28938 samples, val on 3215 samples, with batch size 2. Epoch 1/5 14469/14469 [==============================] - 2273s 157ms/step - loss: 17.7330 - val_loss: nan WARNING:tensorflow:From C:\Users\min96\anaconda3\envs\tf115\lib\site-packages\keras\callbacks\tensorboard_v1.py:343: The name tf.Summary is deprecated. Please use tf.compat.v1.Summary instead. Epoch 2/5 14469/14469 [==============================] - 2078s 144ms/step - loss: 17.6376 - val_loss: nan Epoch 3/5 14469/14469 [==============================] - 2094s 145ms/step - loss: 17.5342 - val_loss: nan Epoch 4/5 14469/14469 [==============================] - 2049s 142ms/step - loss: 17.6445 - val_loss: nan Epoch 5/5 14469/14469 [==============================] - 2042s 141ms/step - loss: 17.6296 - val_loss: nan Unfreeze all of the layers. Train on 28938 samples, val on 3215 samples, with batch size 2. Epoch 6/10 14469/14469 [==============================] - 2111s 146ms/step - loss: 14.0190 - val_loss: 5.6780 Epoch 7/10 14469/14469 [==============================] - 2111s 146ms/step - loss: 11.0151 - val_loss: 4.3427 Epoch 8/10 14469/14469 [==============================] - 2114s 146ms/step - loss: 9.7026 - val_loss: 7.6887 Epoch 9/10 14469/14469 [==============================] - 2115s 146ms/step - loss: 9.0433 - val_loss: 2.4560 Epoch 10/10 14469/14469 [==============================] - 2105s 146ms/step - loss: 8.5110 - val_loss: 7.9146 ------------- 모델 로드 cloth_tiny_yolo = YOLO(model_path=pretrained_path, anchors_path=anchors_path, classes_path=classes_path) C:/JupyterNotebook/model_data/cloth_final.h5 model, anchors, and classes loaded. ----------------------- train detected_img = yolo.detect_image(img) plt.imshow(detected_img) (192, 192, 3) --------------------------------------------------------------------------- UnimplementedError Traceback (most recent call last) ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in _do_call(self, fn, *args) 1364 try: -> 1365 return fn(*args) 1366 except errors.OpError as e: ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in _run_fn(feed_dict, fetch_list, target_list, options, run_metadata) 1349 return self._call_tf_sessionrun(options, feed_dict, fetch_list, -> 1350 target_list, run_metadata) 1351 ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in _call_tf_sessionrun(self, options, feed_dict, fetch_list, target_list, run_metadata) 1442 fetch_list, target_list, -> 1443 run_metadata) 1444 UnimplementedError: The Conv2D op currently does not support grouped convolutions on the CPU. A grouped convolution was attempted to be run because the input depth of 512 does not match the filter input depth of 1 [[{{node conv2d_49/convolution}}]] During handling of the above exception, another exception occurred: UnimplementedError Traceback (most recent call last) <ipython-input-23-b6fbc29987b5> in <module> 1 # with tf.device('/cpu:0'): ----> 2 detected_img = yolo.detect_image(img) 3 plt.imshow(detected_img) C:\JupyterNotebook\model_data\keras-yolo3\yolo.py in detect_image(self, image) 122 self.yolo_model.input: image_data, 123 self.input_image_shape: [image.size[1], image.size[0]], --> 124 K.learning_phase(): 0 125 }) 126 ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in run(self, fetches, feed_dict, options, run_metadata) 954 try: 955 result = self._run(None, fetches, feed_dict, options_ptr, --> 956 run_metadata_ptr) 957 if run_metadata: 958 proto_data = tf_session.TF_GetBuffer(run_metadata_ptr) ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in _run(self, handle, fetches, feed_dict, options, run_metadata) 1178 if final_fetches or final_targets or (handle and feed_dict_tensor): 1179 results = self._do_run(handle, final_targets, final_fetches, -> 1180 feed_dict_tensor, options, run_metadata) 1181 else: 1182 results = [] ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in _do_run(self, handle, target_list, fetch_list, feed_dict, options, run_metadata) 1357 if handle is None: 1358 return self._do_call(_run_fn, feeds, fetches, targets, options, -> 1359 run_metadata) 1360 else: 1361 return self._do_call(_prun_fn, handle, feeds, fetches) ~\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\client\session.py in _do_call(self, fn, *args) 1382 '\nsession_config.graph_options.rewrite_options.' 1383 'disable_meta_optimizer = True') -> 1384 raise type(e)(node_def, op, message) 1385 1386 def _extend_graph(self): UnimplementedError: The Conv2D op currently does not support grouped convolutions on the CPU. A grouped convolution was attempted to be run because the input depth of 512 does not match the filter input depth of 1 [[node conv2d_49/convolution (defined at C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tensorflow_core\python\framework\ops.py:1748) ]] Original stack trace for 'conv2d_49/convolution': File "C:\Users\min96\anaconda3\envs\t115c\lib\runpy.py", line 193, in _run_module_as_main "__main__", mod_spec) File "C:\Users\min96\anaconda3\envs\t115c\lib\runpy.py", line 85, in _run_code exec(code, run_globals) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel_launcher.py", line 16, in <module> app.launch_new_instance() File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\traitlets\config\application.py", line 664, in launch_instance app.start() File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel\kernelapp.py", line 612, in start self.io_loop.start() File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\platform\asyncio.py", line 199, in start self.asyncio_loop.run_forever() File "C:\Users\min96\anaconda3\envs\t115c\lib\asyncio\base_events.py", line 442, in run_forever self._run_once() File "C:\Users\min96\anaconda3\envs\t115c\lib\asyncio\base_events.py", line 1462, in _run_once handle._run() File "C:\Users\min96\anaconda3\envs\t115c\lib\asyncio\events.py", line 145, in _run self._callback(*self._args) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\ioloop.py", line 688, in <lambda> lambda f: self._run_callback(functools.partial(callback, future)) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\ioloop.py", line 741, in _run_callback ret = callback() File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 814, in inner self.ctx_run(self.run) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 162, in _fake_ctx_run return f(*args, **kw) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 775, in run yielded = self.gen.send(value) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel\kernelbase.py", line 365, in process_one yield gen.maybe_future(dispatch(*args)) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 234, in wrapper yielded = ctx_run(next, result) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 162, in _fake_ctx_run return f(*args, **kw) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel\kernelbase.py", line 268, in dispatch_shell yield gen.maybe_future(handler(stream, idents, msg)) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 234, in wrapper yielded = ctx_run(next, result) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 162, in _fake_ctx_run return f(*args, **kw) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel\kernelbase.py", line 545, in execute_request user_expressions, allow_stdin, File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 234, in wrapper yielded = ctx_run(next, result) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\tornado\gen.py", line 162, in _fake_ctx_run return f(*args, **kw) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel\ipkernel.py", line 306, in do_execute res = shell.run_cell(code, store_history=store_history, silent=silent) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\ipykernel\zmqshell.py", line 536, in run_cell return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\IPython\core\interactiveshell.py", line 2867, in run_cell raw_cell, store_history, silent, shell_futures) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-packages\IPython\core\interactiveshell.py", line 2895, in _run_cell return runner(coro) File "C:\Users\min96\anaconda3\envs\t115c\lib\site-pa

제가 오라클 11g 사용중인데요. <property name="hibernate.dialect" value="org.hibernate.dialect.H2Dialect"/> 이 부분에서  Oracle10gDialect 사용 하면 되는것인가요??? Oracle(XX)gDialect 가 버전 정보 인것 같은데 . 인텔리제이에서 자동완성 기능으로 11 버전은 없고 10gDialect 와 12c..... 이런식으로 밖에 선택을 못하는데요 맞는 것인가요???