julia에서 webio 설치는 Pkg>add WebIO를 하면 된다. WebIO를 jupyter notebook에서 사용하는데 문제가 있는 경우 기존의 extenstion 을 삭제하고 다시 설치 하고 jupyter notebook을 재기동 한다.기존 extension 삭제 줄리아를 실행하고 webio jupyter extension을 설치 한다. example code : https://github.com/JuliaGizmos/WebIO.jl/blob/master/examples/jupyter-demo.ipynb 실행결과 화면
[Tip] Julia UI Framework : WebIO 설치 및 테스트 더 읽기"
Window에서 Linux서버를 연결하여 서버의 UI 프로그램을 구동하는 경우 예를 들어 xclac등을 실행하면 window 상에서 표시되는데 이를 위한 프로그램으로 “mobaXterm”이 가장 무난하고 좋다 Xming의 경우 GLX 1.3 이상을 요구 하는 프로그램인 경우 동작하지 않는다. mobaXterm URL : https://mobaxterm.mobatek.net/ 위 사이트에서 무료 버전을 받아 사용하면 된다. 아래 설치하는 “glmark2″는 GLX version 1.3 이상을 욕구는 프로그램으로 무료버전 Xming(6.9.0)에서는
[Tip] mobaXterm : X-Window Client 더 읽기"
Julia UI Framework로 “Gtk”를 사용 할 수 있다. Gtk 패키지를 먼저 설치 한다.Pkg>add Gtk 실행환경 – 백엔드 : Ubuntu 18.04 / Jupyter noteboo – Windows 10, Xming
[Julia] UI Framework “Gtk” 맛보기 더 읽기"
해당 제목에 대한 내용은 기존에 올린 “Julia에서 시계열 데이터 처리 예제”들을 참조 하면됩니다. 여기서는 다중 프로세스로 Genetic Programming(GP)을 병렬처리 하는 방법을 보여 줍니다. 다중 프로세스가 train, test할 데이터는 SharedArray로 공유 합니다. 아래 모듈은 “/home/shpark/julia_test/exproptimizatoin/examples” 폴더 있다고 가정WS.jl : 연습용 데이터를 만드는 모듈 / 이 게시글에서는 WindowSlider 구조체만 사용함GP2.jl: Genetic Programming 적용 모듈아래에 소스를 게제 합니다.그리고
Julia에서 시계열 데이터 처리 예제 – 병렬처리 (with GP) 더 읽기"
Ubuntu 18.04 에서 gnome-shell이 cpu를 100% 차지하는 경우가 있는데 버그로 알려져 있다 간단한 해결 방법은 아래 코맨드로 gnome-shell을 kill 하는 것이다
[Ubuntu] gnome-shell cpu 100% 문제 해결하기 더 읽기"
function 내에서 using ModuleXX 등으로 동적으로 모듈을 로딩하는 것은 쉽지 않다. function내에서 using ModuleXX로 모듈을 로딩하는 경우 “syntax: “using” expression not at top level “에러가 발생한다. 이런 경우 에러없이 동적으로 모듈을 로딩하기 위해서 eval 사용등으로 메타프로그램을 해야 된다. 아래 예제에서는 분산처리(Parallel Processing)예를 들어 설명한다. 특정 폴더 예를 들어 “/home/shpark/julia_test/exproptimizatoin/examples” 에 TestM01.jl을 생성한다.파일명과 모듈명을 같이 해야
[Julia] function내에서 동적 Module 로딩 및 분산처리 더 읽기"
가끔 struct의 필드명을 선언된 곳에서 찾아 보지 않고 필요시 바로 확인 하는 방법 filednames(struct명) filednames(typeof(instance명))
[Julia] structure / object filed명 가져오기 – filednames 더 읽기"
Julia에서 시계열 데이터 처리 예제 (2#2) 글에서 Genetic Programming 부분에서 grammar를 동적으로 생성 될 수 있게 구조를 바꾸었다. 이전 (#2/2) 에서는 grammar 작성시 입력되는 변수 예를 들어 x1,x2,..,x21을 미리 설정하였으나 이 버전에서는 입력되는 데이터를 읽어 데이터 계열 수 만큼 즉 변수 갯수 만큼 grammar에 들어가는 변수를 자동 생성 한다. 구현소스(Julia Notebook – html 버전)
Julia에서 시계열 데이터 처리 예제 (2#2) – 업그레이드 더 읽기"
ML Approaches for Time Series을 참조 했으며 해당 자료는 python으로 구현 되었다. 여기서는 Julia로 바꿔서 구현 하였다. 특히 Genetic Programming을 사용한 부분은 원 게시글에서 python “gplearn” 이라는 라이브러를 사용하여 회귀분석을 하였으나 여기서는 스탠포드에서 제공하는 “ExprOptimization”이라는 Julia용 package를 사용하여 구현 하였다. pyton Scikitlearn 부분은 Julia용 Scikilearn을 사용하여 동일하게 구현 하였다. python과 julia의 random number발생시 seed가 동일하고 랜덤넘버
Julia에서 시계열 데이터 처리 예제 (2#2) 더 읽기"
자세한 내용은 ML Approaches for Time Series을 참조하면 된다. 위 게시글에서 동작하는 소스 전체가 없어 재구성 하였다. 여기서는 Genetic Programming을 사용한 회귀분석 결과를 나타 내었다. “gplearn” 이라는 genetic programming 알고리즘을 구현한 패키지로 Scikitlearn의 LinearRegression과 동일한 인터페이스로 구현되어 있다. gp외에도 몇가지 optimization package가 포함되어 있다. 구현소스(jupyter notebook)
[Python] 시계열 데이터 처리 예제 (2#2) 더 읽기"
