AIPrototype2023

Thanapat Sopon ID : 633020444-1 : SIDS

WEBPAGE

http://13.67.90.233:5001/home_web

WEBAPP

http://13.67.90.233:5001/webapp

GITHUB VALOLYZE

VALOLYZE

คาบ 1

https://github.com/TungSoPon/AIPrototype2023/blob/ce0456ad66c185e03a563d452921e0b4e771d77d/firstpy.py

การใช้ Clound ทำ Web ข้อดี

• ราคาที่ดีประหยัด ใช้แค่ไหนจ่ายแค่นั้น
• ทุกอย่างเร็วขึ้น ไม่ต้องมาเสียเวลาหาจ้างคนค่อยดูแลระบบและไม่รู้ว่าใครเก่งไม่เก่ง เพราะ Cloud มีคนที่เก่งค่อยดูแลให้
• เข้ากับข้อตกลงของบริษัทได้ เนื่องจากมีความปลอดภัยครบ
• ใช้แค่ Browser ที่รันได้ ข้อเสีย
• มีการเปลี่ยนแปลงอยู่เรื่อยๆ
• จำเป็นต้องใช้ Internet
• ทุกอย่างเป็น service จำเป็นต้องมีความรู้นิดหน่อยเพื่อให้รันได้ และจะได้ไม่ต้องเสียเงินซื้อทุกอย่าง
• ทุกอย่างอยู่บน Internet ถ้าสาย Internet เสีย ทุกอย่างจบ งานอาจจะทำต่อไม่ได้

คาบ 2

https://github.com/TungSoPon/AIPrototype2023/blob/e758eec5678900e422636cb581306d7853ac7d44/firstpy1.py

• Ssh ไว้เชื่อมต่อบน cloud
• Scp
• Exit ออก
• Pwd เราอยู่ไหน
• Ssh ชื่อ ACC @ IP
• Htop เพื่อดูเครื่องเรา
• scp -r testfolder1/ thanapat_window@13.67.90.233:/home/thanapat_window/. = ย้ายโฟลเดอร์เข้าไดฟ์ scp -r ชื่อโฟลเดอร์/ชื่อ cloud@IP:/home/ชื่อเครื่อง/.
• R = 4
• W = 2
• X = 1
• Cat อ่านเฉยๆแบบไม่ต้องเปิด cat ชื่อไฟล์
• Sudo chmod 755 ชื่อคน
• เจ้า 7=ทำได้ทุกอย่าง เพื่อน 5=อ่านกับรันได้ คนดู 5=อ่านกับรันได้
• Exit() = ใน python
• scp thanapat_window@13.67.90.233:/home/thanapat_window/print.py ~/. = ย้ายจากไดฟ์ลงเครื่อง scp ชื่อ cloud@IP:/home/ชื่อเครื่อง/ชื่อไฟล์ ~/.
• เข้ากับเพื่อน : ssh ชื่อที่เพื่อนตั้ง@IP เพื่อน ตัวอย่าง ssh thanapat_window@4.216.171.68
• Ctrl+C = ยกเลิกคำสั่ง

คาบ 3

https://github.com/TungSoPon/AIPrototype2023/blob/e758eec5678900e422636cb581306d7853ac7d44/firstpy1.py

• สร้างใหม่ = conda create -n mypy38(ชื่อที่เราต้องการตั้ง) python=3.8(เวอร์ชั่นเลือกเองได้)
• $ conda activate mypy38 เริ่มใช้
• $ conda deactivate เลิกใช้
• Manls เอาไว้ดูคำสั่งที่ใช้ได้
• sudo apt-get install ffmpeg = ใช้ดาวร์โหลด พก ของ Linux
• sudo snap install ffmpeg
• conda ใช้ใน Linux แทน pip
• conda install notebook ใช้ดาวร์โหลด jupyter
• screen -S sc1 ใช้สร้าง screen ใหม่ sc1 คือ ชื่อ อะไรก็ได้
• Ctrl+A ยกนิ้วขึ้นกด D เพื่อออกจาก screen
• screen -R sc1 เพื่อเข้า screen ใหม่
• ctel + A แล้วกด K จากนั้นเลือก Y = เพื่อ Kill screen
• screen -ls เพื่อดูว่ายังเหลือ screen อยู่มั้ย

คาบ 4

• git pull ใช้ก่อนอัปลง Github
• git status เช็คไฟล์ว่าถูกแก้มั้ย
• git add (filename)
• git commit -m "..."
• git push พอไป github ให้ใช้คำสั่งนี้
• Import package : argparse : รับ input ข้างนอก
• Create function parse_input รับตัวแปรตอนเรารัน python main function (flow follow after this)
• เริ่มจาก รับค่าตัวแปร input_V = parse_input() {function}
• print(the input xx i (ค่าตัวแปร x ไม่มีก็=7)
• print("we are in the main function")
• function การคูณ 9*ตัวแปร x
• print(”hello”) function

คาบ 5

https://github.com/TungSoPon/AIPrototype2023/blob/9f48aa1d64121e62a9d70bcb972e9a6525eec15e/python_subprocess.py

• การบ้าน from crypt import methods from flask import Flask, request, render_template, make_response import sys import json

app = Flask(name) ##api @app.route('/request', methods={'POST'}) def web_service_API():

payload = request.data.decode("utf-8")
inmessage = json.loads(payload)

print(inmessage)

json_data = json.dumps({'y': 'received!'})
return json_data

@app.route("/") # ถ้าจะใช้คำสั่งนี้ไม่ต้องมี / ก็ได้ def helloworld(): return "Hello, World!"

@app.route("/name") # ถ้าจะใช้คำสั่งนี้ต้องมี /name def hellotung(): return "Hello, Tung!"

@app.route("/home", methods=['POST','GET']) def homefn(): if request.method == "GET": print('we are in home(GET)', file=sys.stdout) name = request.args.get('fname') print(name, file=sys.stdout) return render_template("home.html",name=name)

elif request.method == "POST":
   print('we are in home(POST)', file=sys.stdout)
   namein = request.form.get('fname')
   lastnamein = request.form.get('lname')
   print(namein, file=sys.stdout)
   print(lastnamein, file=sys.stdout)
   return render_template("home.html",name=namein)

@app.route('/upload', methods=['GET', 'POST']) def upload_file(): if request.method == 'POST': file = request.files['file'] file.save('filename') return render_template("home.html",name='uplond completed')

return '''
<!doctype html>
<title>Upload new File</title>
<h1>Upload new File</h1>
<form method=post enctype=multipart/form-data>
  <input type=file name=file>
  <input type=submit value=Upload>
</form>
'''

if name == "main": # ต้อง IP VM เราแล้วตามด้วย :5001 app.run(host='0.0.0.0' ,debug=True,port=5001) #0.0.0.0 คือเข้าได้ในอินเตอร์เน็ท

คาบ 6

วิธีรันพวก python จะใช้ python ชื่อโฟลเดอร์ ตัวอย่าง python python_subprocess.py คือชื่อ code python_subprocess.py = การสร้าง VScode Python

คาบ 7

• from flask : import libary ดาวร์โหลด libary
• app = Flask(name)
• def helloworld():
• route(”/”) = ในเว็บ ถ้าเปิดแบบนี้ www.flask.com/
• / มีกี่อันก็ได้ตามที่เราสร้าง

คาบ 8

https://github.com/TungSoPon/AIPrototype2023/blob/eef809e6b83a2ceb63d7387e91738cac7a60c867/templates/home.html

• fw เอาไว้ใช้เก็บไลบรารี่ต่าง ๆ ที่เราได้ทำการติดตั้งผ่าน pip
• templates เอาไว้ใช้เก็บไฟล์ HTML
• app.py เอาไว้ใช้เขียนและเอาไว้รัน flask
• static เอาไว้ใช้เก็บไฟล์ static(ไฟล์ที่ไม่มีการเปลี่ยนแปลงของคอนเทนต์) ต่าง ๆ เช่น JavaScript(js), CSS และไฟล์รูปภาพนามสกุลต่าง ๆ เช่น jpg, png เป็นต้น ซึ่งเราจะต้องเก็บไฟล์เหล่านี้ ไว้ที่โฟลเดอร์ static

คาบ 9

• Classical แปลงให้อยู่ในรูป Vector ชุดของตัวเลข {x1,x2,x3,…,xn}
• Deep Learning มี Feature engineering , Histogram of Oriented Gradients , Image , Sobel filter

• ผลรวมของ sum > 0 จะผ่าน activation function → output = 1 แต่ค่าจริงๆ = 0
• ผลรวมของ sum < 0 จะผ่าน avtivation function → output = 0

คาบ 10

https://github.com/TungSoPon/AIPrototype2023/blob/5c03f0fad3755c877ba46e50f0482fd659210642/Tensorflow_(Deep_Learning_Implemen.ipynb

• Input Node ขึ้นอยู่กับ feature = n
• Input Node → layer 1 → layer 2 → output

• max pooling = สรุปเฉพาะจุดเด่น
• activation function = กำหนดค่าที่ไปคูณให้อยู่ใน range ต้องการ

• ช่องสีเหลืองจำคำนวณรอบๆแล้วเอาใส่ตรงกลางแบบนี้

-ค่า Loss สามารถหาได้จาก

คาบ 11 Tensorflow_(Deep_Learning_Implemen.ipynb

https://github.com/TungSoPon/AIPrototype2023/blob/5c03f0fad3755c877ba46e50f0482fd659210642/Tensorflow_(Deep_Learning_Implemen.ipynb

• .summary() ใช้เพื่อดูโมเดล
• Flatten เอาพารามิเตอร์มายืดเป็นเส้นตรง
• ผ่าน Dense = fully connected
• output = 10 class
• ต้องทำให้ Data Train Test เหมือนกัน