Category: Python

  • distinctipy PART 2

    파이 차트를 그릴 때 distinctipy 를 이용해서 색상을 선택한다. 대부분 경우에는 각각의 파이가 잘 구별된다. 이렇게 사용하면 1번과 마지막 N번이 비슷한 경우가 있다. 이러면 가독성이 떨어진다. 그래서 이 문제를 해결하고 싶었다.

    처음에는 random 하게 섞어서 몇 달째 사용하였다. random 보다는 더 그럴듯한 방법을 이용하고 싶었다. Gemini 에 다음 내용을 질의했다.

    • matplotlib으로 파이 차트를 작성할 것이다.
    • 서로 인접한 경우에는 색이 분명하게 구별되어 있으면 좋겠다.
    • 1번과 마지막 N번도 서로 구별되었으면 좋겠다.

    처음 Gemini가 제시한 방법대로 해보았는데 random가 큰 차이가 없었다. Gemini에게 어떤 알고리즘을 이용한 것이냐고 물었고, 탐욕 알고리즘을 이용했다고 한다.

    그래서 추가로 다음 조건을 제시했다.

    • 탐욕 알고리즘은 제외할 것

    Gemini 가 다시 제시한 방법은 2개이다. TSP 알고리즘을 최대 경로로 하는 것과 몬테카를로 방법이다. 몬테카를로 방법은 10,000번 임의로 배열한 것 중 가장 색상 거리가 먼 순서를 이용하는 것이다.

    몬테카를로 방법을 선택했다. 적어도 현재까지는 색 순서가 만족스럽다.

  • Black

    파이썬에서 일관된 규칙으로 코드를 재작성 해주는 패키지. 버전 26.5.1 이라는 엄청난 높은 숫자를 보면 사람들의 수요를 알 수 있다. 😉

    짱 먹어라

    pip install black

    설치는 이렇게 하면 된다.

    현재 폴더 혹은 특정 파일에서 확인만 하려면 –check 를 붙인다.

    root@dd110323c5f5:~# black --check .
    All done! ✨ 🍰 ✨
    26 files would be left unchanged.

    –check 를 사용하지 않으면 변환시킨다

    주피터 노트북 파일을 변환시키려면 다음을 추가 설치한다.

    pip install "black[jupyter]"
  • ipynb-py-convert

    pip install ipynb-py-convert

    Jupyterlab 에서 작업한 파일을 py로 변환할 때 사용할 수 있다.

  • medgemma

    내 컴퓨터에서 실행할 수 있다는 양자화 모델을 이용해 보기로 했다.

    프로그램이 추천해 준 모델은 medgemma-1.5-4b-it 이다.

    이것을 그대로 이용할 수는 없다. 다른 사람들이 양자화시켜둔 것을 이용해야 한다고 한다.

    마지막 중 Quantizations의 33 models를 클릭한다.

    첫 번째를 선택해 본다.

    Use this model 에서 ollama를 선택 한 후 모델을 지정한다. 처음 AI가 추천해 준 ollama run hf.co/unsloth/medgemma-1.5-4b-it-GGUF:Q5_K_M 를 이용해 본다.

    docker exec -it ollama ollama run hf.co/unsloth/medgemma-1.5-4b-it-GGUF:Q4_K_M

    Open WebUI 에서 파일을 읽어와도 된다. CLI 환경에서는 다음처럼 이용할 수 있다.

    docker exec -it ollama ollama run hf.co/unsloth/medgemma-1.5-4b-it-GGUF:Q4_K_M "Please read this X-ray /root/.ollama/001_00001.jpg"

    그럼 이렇게 결과가 나온다.