티스토리

dud's DevStory

검색하기

블로그 홈

dud's DevStory

dud9902.tistory.com/m

개발자 취준생 기록일지

구독자: 0

방명록 방문하기

주요 글 목록

[AI] 딥러닝 프레임워크 비교: 텐서플로우 vs 파이토치 vs 케라스 요즘 워낙 AI가 강세여서 AI와 머신러닝에 대한 공부를 시작하다 보니 항상 눈에 띄는 세 가지 이름이 있었다. 텐서플로우, 파이토치, 케라스. 이것저것 찾아보고 자료를 살펴볼 때마다 계속 이 프레임워크들이 등장했는데, 솔직히 이게 정확히 뭔지, 어떤 차이가 있는지 잘 몰랐다. 그래서 오늘은 내가 헷갈리지 않기 위해 세 가지 프레임워크를 정리해보려고 한다. 텐서플로우(TensorFlow)란?텐서플로우는 구글 브레인 팀이 개발한 오픈소스 딥러닝 프레임워크로, 2015년에 처음 공개되었다. 이름에서 알 수 있듯이 '텐서(Tensor)'와 '플로우(Flow)'의 합성어로, 다차원 데이터 배열인 텐서가 계산 그래프를 통해 흐르는 방식을 의미한다. 데이터 플로우 그래프(Data Flow Graph) 구조를 사용하.. 공감수 0 댓글수 0 2025. 3. 3.
[AI] CrewAI 에이전트를 활용한 키워드 기반 맛집 검색 개선 처음에는 사용자가 원하는 지역을 입력하면 Google Maps API를 통해 주변 맛집을 찾아주고, 필터링을 거쳐 최적의 식당을 추천하면 될 줄 알았다. 하지만 직접 테스트해보니, 생각만큼 좋은 결과가 나오지 않았다. 단순히 지역을 기반으로 검색하는 방식만으로는 사용자의 구체적인 요구사항이 반영되지 않았고, 원하는 스타일의 맛집을 추천하기 어려웠다. 1. 기존 방식의 문제점기존에는 사용자가 입력한 여행 일정에서 지역(location) 정보만 추출하여 맛집을 검색하는 방식이었다. 하지만 이렇게 하면 단순히 지역 내 식당 목록만 가져올 뿐, 사용자가 원하는 조건(가족과 함께 갈 수 있는 곳, 반려견 동반 가능 등)이 반영되지 않는 문제가 발생했다.문제점 정리사용자 요구가 반영되지 않음지역 기반으로만 검색하.. 공감수 4 댓글수 0 2025. 2. 16.
[AI] 네이버 웹 검색 API × CrewAI 식당 검색, 동기 방식에서 비동기로 업그레이드 최근 프로젝트에서 네이버 검색 API를 사용해 식당 정보를 가져오는 작업을 진행했는데, 식당 리스트가 많을 경우 순차적으로 요청을 보내면 응답 대기 시간이 크게 늘어나는 문제가 있었다. 이를 해결하기 위해 비동기(Async) 방식으로 코드를 변경했고, 이 포스팅에서는 동기 코드에서 비동기 코드로 어떻게 전환했는지, 그리고 그 과정에서 어떤 이점이 있었는지 공유하려고 한다.기존 코드: 동기(Sync) 방식우선, 동기 방식(requests 라이브러리 사용)으로 작성된 코드다.간단히 말해, 한 번에 하나의 요청만 보낸다. 응답이 돌아올 때까지 대기하고, 그다음 요청을 보내는 식으로 되어있다.1. Toolclass NaverWebSearchTool(BaseTool): name: str = "NaverWeb.. 공감수 0 댓글수 0 2025. 2. 11.
[AI] CrewAI 태스크 결과가 서비스에서 라우터로 정상 전달되지 않는 문제 해결과정 FastAPI를 활용하여 에이전트(Agent)의 마지막 태스크가 생성한 결과를 router.py를 거쳐 프론트엔드까지 전달해야 하는 상황에서, 라우터 단계에서 빈 리스트([])가 전달되는 오류가 발생했다.이 문제를 해결하기 위해 진행한 과정과 원인을 분석하고, 최종적으로 해결한 방법을 정리한다. 1. 문제 상황 설명CrewAI의 Task 실행 결과가 빈 리스트로 반환되는 문제 발생디버깅 결과 확인된 CrewOutput 구조와 문제점2. 원인 분석CrewAI의 Task 결과가 raw 문자열 형태로 반환됨Pydantic 모델 변환 과정에서 데이터 손실 발생결과 데이터 구조 (raw, pydantic, json_dict 등) 설명3. 해결 과정기존 코드의 문제점result_dict.get("spots", [].. 공감수 1 댓글수 0 2025. 2. 6.
[AI] CrewAI를 활용한 맛집 추천 시스템 개선 과정(데이터 최적화 vs 정확도) 최근 CrewAI를 이용하여 사용자 여행 일정 기반 맛집 추천 시스템을 개발했다.구현 과정에서 몇 가지 비효율적인 데이터 요청과 구조적인 문제를 발견했고, 이를 해결하기 위해 코드를 수정했다.이 글에서는 개선 전 코드에서 어떤 문제점이 있었고, 어떻게 개선했는지를 정리해본다. 1. 개선 전 코드의 문제점 ① 문제: 모든 세부 정보를 한 번에 가져오는 비효율적인 구조기존에는 RestaurantBasicSearchTool에서 식당 정보를 가져올 때, 모든 세부 정보를 포함해서 요청했다.하지만 필터링 기준(평점 4.0 이상 & 리뷰 수 500개 이상)에 맞지 않는 데이터까지 세부 정보를 가져와 불필요한 API 요청이 발생했다.개선 전 코드필터링 전 모든 세부 정보를 가져옴 → 필터링 후 버려지는 데이터에도 A.. 공감수 3 댓글수 0 2025. 2. 3.
[AI] CrewAI에서의 Tool, Agent, Task 개념 이번 맛집 추천 시스템을 구현하며 각 개념을 어떻게 적용했는지 정리해 보았다. CrewAI란?Agent(에이전트) 기반 자동화 시스템을 설계하는 강력한 프레임워크로, 다양한 Tool(툴), Agent(에이전트), Task(태스크) 요소를 활용하여 작업을 분산하고 실행할 수 있다. Tool(툴)이란?에이전트가 특정 작업을 수행하는 데 사용하는 기능(도구)이다.CrewAI에서는 BaseTool 클래스를 상속하여 원하는 툴을 정의할 수 있으며, 실제로 API 요청을 보내거나 데이터 가공을 수행하는 역할을 한다. 내가 작성한 Tool은 이렇게 활용했다.Tool역할GeocodingToolGoogle Geocoding API를 활용하여 위치(도시명)의 좌표(위도, 경도)를 조회RestaurantBasicSearch.. 공감수 0 댓글수 0 2025. 2. 2.
[AI] CrewAI 설치 시 Microsoft Visual C++ 관련 오류 해결 팀원을 통해 CrewAI가 멀티 에이전트 구현에 더 직관적이고 용이하다는 것을 알게 되어, 기존에 LangChain으로 개발했던 맛집 추천 에이전트를 CrewAI로 마이그레이션하게 되었다.CrewAI 패키지를 설치하기 위해 pip install crewai 명령어를 실행하던 중 몇 가지 오류가 발생했다. 문제점error 부분이 3개나 작성되어 있어서 여러가지 오류가 발생한줄 알았지만 주요 원인은 Microsoft Visual C++ 14.0 이상 버전이 필요한데, 이것이 설치되어 있지 않아서 발생한 것이다.error: subprocess-exited-with-errorerror: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microso.. 공감수 0 댓글수 0 2025. 2. 1.
[AI] LangChain 사용해보기3 (LLM과 네이버 검색 API를 활용한 맛집 데이터 수집 테스트) 팀원들과 나는 API를 사용해서 데이터를 수집해야 하는데 여행이 워낙 데이터 수집 양이 방대해서 멘토님에게 질문을 했다. 멘토님은 LLM에게 질문을 하고 또 다시 질문해서 몇번 걸쳐서 추천 리스트를 뽑으라고 하셨다. 그래서 그렇게 테스트를 해보기로 했다. 멘토님의 조언1. LLM에게 질문을 하고 나온 결과를 다시 질문을해서 데이터 검증을 해라2. LangChain에 검색 엔진이 있으니 사용해봐라3. 프롬프트를 구체적으로 잘 짜야 한다.4. 프롬프트는 영어로 해야 더 답변을 잘해준다. 테스트 과정1번째 테스트1. 필요한 라이브러리를 import하고 .env에 넣어둔 API_KEY를 사용할 수 있게 연결원래 gpt-3.5-turbo 모델 사용했는데 이번엔 gpt-4o-mini를 사용해보았다.import os.. 공감수 7 댓글수 1 2025. 1. 23.
[AI] LangChain 사용해보기2 이전에 처음 사용했던 LangChain 코드를 조금 더 예시 맛집 데이터를 넣고 테스트를 진행했다. 예시 데이터restaurants = [ { "name": "해운대 고기집", "type": "한식", "price": "중가", "region": "부산 해운대", "suitable_for": "가족", }, { "name": "광안리 초밥집", "type": "일식", "price": "고가", "region": "부산 광안리", "suitable_for": "친구", .. 공감수 11 댓글수 0 2025. 1. 15.
[AI] LangChain 사용해보기 우선 LangChain을 어떻게 쓰는것인지 알아보기 위해서 파이썬으로 테스트 해봤다. 나는 기존에 OpenAI API KEY를 발급 받은것이 있어서 환경 변수에 등록부터 했다.등록 방법: 시스템 환경 변수 편집 -> 환경 변수 -> 새로만들기 -> 키 등록 1. 환경 변수를 불러오는 코드를 작성한다.import os# 환경변수에서 API 키 가져오기OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")if not OPENAI_API_KEY: raise ValueError("환경변수 'OPENAI_API_KEY'가 설정되지 않았습니다.") 2. 필요한 패키지를 설치한다.openai, langchain만 설치하면 되는줄 알았는데 'ModuleNotFoundError: No mo.. 공감수 1 댓글수 0 2025. 1. 12.
[AI] LangChain이란 무엇인가? 팀원들과 생성형 AI를 활용한 프로젝트 아이디어를 논의한 끝에 여행 플래너쪽으로 결정이 되었다. 멘토님께서는 우리의 아이디어를 듣고 AI 에이전트를 활용해서 해보라고 말씀해주셨다. 사실 AI 에이전트가 무엇인지도 몰랐고 어떻게 만들어야하는건지 감도 오지 않았다. 그래서 어떤걸 사용해야 하냐고 물었더니 LangChain, LangGraph, crewAI 을 활용하면 된다고 추가로 조언을 해주셨다. 먼저, LangChain에 대해서 정리해보려고 한다.LangChain을 검색해본 결과, 이미 유명 대기업에서 상세하고 체계적으로 설명해둔 자료를 발견할 수 있었다. LangChain이란?LangChain(랭체인)은 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 오픈소스 프레임워크로, LLM의 잠재.. 공감수 1 댓글수 0 2025. 1. 12.
[AI] 텍스트 요약 모델(Summarization) 사용해보기 팀원들과 미니 프로젝트를 진행하면서 텍스트 요약을 해주는 기능이 필요했다.사실 OpenAI API 통신으로 ChatGPT를 사용하면 쉽게 해결할 수 있었지만, 프로젝트의 목표가 요약 모델을 사용하는 것이었기 때문에 직접 모델을 활용하여 구현했다.하지만 모델 성능이 안좋은건지 내가 코드를 이상하게 한건지.. 요약 결과는 엉망이었다..ㅠㅠ직접 학습하는 방법을 모르기도 하지만 학습이 쉬운것이 아니라는것을 알기에..그냥 조금이라도 더 나은 결과를 주는 모델을 찾아보려고 huggingface에 있는 Summarization 모델중에서 한국어 지원해주는 모델 여러개를 테스트 해봤다. 테스트 했던 요약 모델https://huggingface.co/gogamza/kobart-summarization https://hu.. 공감수 4 댓글수 0 2025. 1. 10.
[AI] Recognize Anything 사용해보기2 Recognize Anything 모델 테스트를 이어서 하나 더 진행했다. 테스트 과정 1. inference_tag2text.py 예제 코드를 가져온다.''' * The Tag2Text Model * Written by Xinyu Huang'''import argparseimport numpy as npimport randomimport torchfrom PIL import Imagefrom ram.models import tag2textfrom ram import inference_tag2text as inferencefrom ram import get_transformparser = argparse.ArgumentParser( description='Tag2Text inferece for ta.. 공감수 1 댓글수 0 2025. 1. 9.
[AI] Recognize Anything 사용해보기1 Recognize Anything이란?이미지 안에 있는 거의 모든 대상을 인식하고 태그(Tag)할 수 있도록 설계된, 일종의 범용 시각 인식(Visual Recognition) 모델이다. Recognize Anything 테스트 과정 1. inference_ram_plus.py 예제코드를 가져온다.https://github.com/xinyu1205/recognize-anything GitHub - xinyu1205/recognize-anything: Open-source and strong foundation image recognition models.Open-source and strong foundation image recognition models. - xinyu1205/recognize-any.. 공감수 0 댓글수 0 2025. 1. 9.
[AI] EazyOCR 사용해보기 Eazyocr이란?Python 기반의 광학 문자 인식(OCR) 라이브러리로, 이미지 내 텍스트를 인식·추출하고 다양한 언어를 지원한다. 심층 학습 알고리즘을 활용해 높은 정확도와 빠른 속도를 제공하며, 간단한 API 덕분에 사용이 용이하다. 이러한 특징으로 인해 이미지 및 문서 스캔, 차량 번호판 인식, 스트리밍 비디오에서의 문자 인식 등 여러 애플리케이션에 폭넓게 적용할 수 있다. eazyocr 테스트 과정1. 설치하기pip install easyocr 2. 예제 코드를 가져온다.https://github.com/JaidedAI/EasyOCR GitHub - JaidedAI/EasyOCR: Ready-to-use OCR with 80+ supported languages and all popular .. 공감수 0 댓글수 0 2025. 1. 9.
[AI] insightface 사용해보기 insightface란?InsightFace는 얼굴 인식(Face Recognition), 얼굴 검출(Face Detection), 얼굴 정렬(Face Alignment) 등을 제공하는 오픈소스 딥러닝 라이브러리 insightface 테스트 과정1. insightface 설치를 한다.pip install insightface 2. 예제 코드를 가져온다.https://github.com/deepinsight/insightface/blob/master/examples/demo_analysis.py insightface/examples/demo_analysis.py at master · deepinsight/insightfaceState-of-the-art 2D and 3D Face Analysis Proj.. 공감수 1 댓글수 0 2025. 1. 8.
[AI] PyTorch 개념과 설치 방법 본격적으로 AI 모델을 사용한 코딩 연습을 위해 필요한 프레임워크를 설치했다.1. 파이토치(PyTorch)란?파이썬(Python) 기반의 오픈소스 딥러닝 프레임워크로, 메타(Facebook) AI 연구팀이 주도적으로 개발/관리동적 계산 그래프를 바탕으로 직관적인 개발 환경을 제공이미지 처리, 자연어 처리(NLP), 음성 처리, 추천 시스템 등 다양한 인공지능 분야에서 활용 가능2. 특징Python 기반 + 동적 계산 그래프로 인한 높은 개발·디버깅 편의성한 줄씩 실행하며 결과를 즉시 확인 가능복잡한 모델 구조를 직관적으로 구성·테스트할 수 있음GPU 병렬 처리로 대규모 연산을 빠르게 수행CUDA를 이용해 수많은 연산을 고속 처리멀티 GPU 및 분산 학습도 지원광범위한 적용 분야이미지 분류, 객체 인식, .. 공감수 2 댓글수 0 2025. 1. 8.
[AI] Miniforge 사용해보기 파이썬을 이용하여 AI 관련 코딩 실습을 하기 위해 miniforge를 설치했다. 설치 방법1. Miniforge 검색 후 github의 링크를 통해 windows용 설치하기https://conda-forge.org/download/ conda-forge | community-driven packaging for conda | conda-forge | community-driven packaging for condaDownload page for the conda-forge installerconda-forge.org 2.추가 정보를 클릭하고 실행한다. 3. 기본값으로 next를 진행 후 해당 단계에서 두번째 항목 체크하고 설치를 진행한다. 4. 설치가 끝나고 나면 vscode의 터미널에서 명령어를 실행.. 공감수 0 댓글수 0 2025. 1. 8.
[AI] Conda 배포판의 특징과 라이선스 1. Anaconda공식 사이트: anaconda.com주요 특징: 파이썬, R 등 데이터 과학용 패키지를 대규모로 포함하고 있으며, GUI 설치 프로그램과 추가 기능(예: Anaconda Navigator)도 제공한다.라이선스:개인 사용, 교육, 연구 목적 등에는 무료로 사용 가능하다.기업/상업적 사용 시에는 Anaconda Terms of Service 기준에 따라 유료 라이선스 구매가 필요할 수 있다.Anaconda 배포판 내부에 포함된 패키지들은 각각의 오픈 소스 라이선스(MIT, BSD, Apache 등)를 따르지만, Anaconda 배포판 전체에 대한 사용 권한은 Anaconda, Inc.에서 관리한다.즉, Anaconda 분산판을 상업적으로 쓸 때는 주의가 필요하다는 게 핵심이다. 2. co.. 공감수 0 댓글수 0 2025. 1. 8.
[AI] 주요 AI Task와 실무 적용 가이드 대표적인 Task 예시분류(Classification)입력(이미지, 텍스트 등)을 특정 범주(클래스)로 분류하는 작업이다.예: 스팸 메일 탐지, 고양이 vs 개 이미지 구분, 양성/음성 진단 등.검출(Detection)입력 데이터 안에서 특정 객체나 목표를 찾아내는 작업이다.이미지 내에서 사람, 차 등을 찾아내거나, 텍스트에서 특정 키워드가 어디 있는지 찾는 경우가 있다.분할(Segmentation)이미지에서 각 픽셀이 어느 객체에 속하는지 구분하는 것이다.예: 자율주행차에서 도로, 차선, 보행자 부분을 정확히 구분하는 작업 등.자연어 처리(NLP) 관련문장이나 단어, 의미 단위를 다루는 다양한 Task가 있다.예: 기계 번역(한글 → 영어), 질의응답(QA), 텍스트 요약(Summarization) 등.. 공감수 2 댓글수 0 2025. 1. 8.
[AI] AI 맛보기 학원에 AI 관련 수업을 듣기 시작한지 어느덧 열흘이 넘은 지금에서야 글을쓰는 포스팅이다...오늘은 강사님께서 알려주신 AI 기초 내용으로 글을 작성해보려고 한다. 머신러닝·딥러닝 개념과 모델 활용 1. 머신러닝과 딥러닝머신러닝(ML): 정형화된 데이터를 다룬다.예) 테이블 형태의 데이터(행과 열), 주가 예측, 간단한 분류·회귀 등딥러닝(DL): 비정형 데이터를 다룬다.예) 이미지(CV, 시각), 텍스트(NLP, 자연어), 오디오(Audio) 등2. 멀티모달(Multimodal)이란?서로 다른 두 가지 모달을 섞어서 사용하는 것이다.예) 이미지+텍스트, 텍스트+오디오 등3. 모델 사용 방식A. 모델을 바로 가져다 쓰기패키지 로드모델 로드전처리(Pre-processing)모델 추론(Inference)후.. 공감수 1 댓글수 0 2025. 1. 8.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.