deep-diver

import itertools

import wandb
import PIL
import matplotlib.pyplot as plt

import torch
from diffusers import StableDiffusionPipeline
from diffusers import DDIMScheduler
from diffusers import PNDMScheduler

deep-diver

import wandb
import PIL
import matplotlib.pyplot as plt

import torch
from diffusers import StableDiffusionPipeline
from diffusers import DDIMScheduler
from diffusers import PNDMScheduler
from diffusers import LMSDiscreteScheduler

deep-diver

locustfile = locustfile.py
headless = false
users = 150
spawn-rate = 1
run-time = 5m
host = http://<<GKE Service IP>>
html = reports/8nodes-2vcpu-4gbram-1uviworker.html
csv = reports/8nodes-2vcpu-4gbram-1uviworker

deep-diver

MetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:

signature_def['__saved_model_init_op']:
  The given SavedModel SignatureDef contains the following input(s):
  The given SavedModel SignatureDef contains the following output(s):
    outputs['__saved_model_init_op'] tensor_info:
        dtype: DT_INVALID
        shape: unknown_rank
        name: NoOp
  Method name is: 

deep-diver

{'ContainerOp': {'is_exit_handler': False, 'human_name': 'Model-export_model', 'display_name': None, 'name': 'model-export-model', 'node_selector': {}, 'volumes': [], 'tolerations': [], 'affinity': {}, 'pod_annotations': {}, 'pod_labels': {}, 'num_retries': 0, 'retry_policy': None, 'backoff_factor': None, 'backoff_duration': None, 'backoff_max_duration': None, 'timeout': 0, 'init_containers': [], 'sidecars': [], 'loop_args': None, '_inputs': [{{pipelineparam:op=;name=project}}, {{pipelineparam:op=automlimagetrainingjob-run;name=model}}], 'dependent_names': [], 'enable_caching': True, 'attrs_with_pipelineparams': ['node_selector', 'volumes', 'pod_annotations', 'pod_labels', 'num_retries', 'init_containers', 'sidecars', 'tolerations', '_container', 'artifact_arguments', '_parameter_arguments'], '_is_v2': False, '_container': {'args': ['--method.export_format_id',
          'tflite',
          '--method.artifact_destination',
          'gs://output-model-gde-csp/flower-models/',
          '--executor_input',
   

deep-diver

/* shadowing
왜 shadowing 이라고 하나?
- 그림자로 가리우듯, 앞서 등장한 변수의 값을, 동일한 이름을 가진 지역적 변수가 가려버린다.
- 그래서 앞서 등장한 변수를 전혀 접근할 수 없게 되어버린다.
- 심지어 패키지 이름으로 장난치는것도 가능하다. 그러면, shadowing 된 영역에서는 해당 패키지 접근 자체가 불가능하다.
*/
func main() {
    x := 10
    if x > 5 {
        fmt.Println(x)

deep-diver

package main

import (
	"encoding/json"
	"net/http"
	"sort"
	"github.com/gorilla/mux"
)

type Student struct {

deep-diver

import 'package:flutter/material.dart';
​
// void main() { ... } 로 적어도 되지만, shorthand 버전으로 => 심볼을 활용 가능
void main() => runApp(MyApp());
​
/*
StatelessWidget 과 StatefulWidget 사이의 차이. StatelessWidget은 단 한번만 Build를 한다. 
한번 그려진 화면은 계속 유지되며, 성능상 장점이 생긴다. StatefulWidget은 state를 포함하며, 
setState가 발생할때마다 Build과정이 일어나고, 동적 화면을 쉽게 구현이 가능하다.
-  [출처] https://security-nanglam.tistory.com/478

deep-diver

package main

import (
  "bufio"
  "fmt"
  "os"
  "path/filepath"
  "strings"
)

deep-diver

import pandas as pd

df = pd.read_csv('train.csv')

total_length = len(df)
keep_ratio = 0.5
keep_idx = (int)total_length*keep_ratio

keep_df = df[:keep_idx]
keep_df.to_csv('train.csv', index=False)