https://helidon.io/ Helidon Project Observable and Resilient With support for health checks, metrics, tracing and fault tolerance, Helidon has what you need to write cloud-ready applications that integrate with Prometheus, Jaeger/Zipkin and Kubernetes. helidon.io https://github.com/helidon-io/helidon GitHub - helidon-io/helidon: Java libraries for writing microservices Java libraries for writing..

https://github.com/leeyonghe/NextjsTypeORMProject 샘플코드입니다. 미리 살펴보세요. 1. Docker 구성 Node Server 1대 node:latest 서버 이미지를 사용 포트번호 3000번으로 적용 Postgres DB 1대 DB 사용자 및 패스워드 적용 POSTGRES_USER: postgres POSTGRES_PASSWORD: postgres123! docker-compose.yml 파일 내용 version: '3.7' services: dp_project: tty: true container_name: dp_project build: context: . dockerfile: Dockerfile ports: - "3000:3000" - "5555:5555"..

https://github.com/leeyonghe/NestPrismaProject 샘플코드입니다. 미리 살펴보세요. 1. Docker 구성 Node Server 1대 node:latest 서버 이미지를 사용 포트번호 3000번으로 적용 서버 실행시 반드시 prisma migrate 및 generate 명령어 사용 npx prisma db push && yarn install && nest start --watch Postgres DB 1대 DB 사용자 및 패스워드 적용 POSTGRES_USER: postgres POSTGRES_PASSWORD: postgres123! docker-compose.yml 파일 내용 version: '3.7' services: dp_project: tty: true cont..

G-mail(구글 메일)을 연동하여 메일 전송하는 시스템 구축을 원할 경우 이전보다 보안을 강화하여 메뉴를 숨겨 놓았다. 여기선 그부분을 공유하려 한다. 1. 메일 발송할 이메일을 생성한후 'Google 계정 관리'로 간다. 2. 좌측 메뉴중 '보안'을 클릭한다. 3. '2단계 인증'을 클릭한다. 3. '시작하기' 버튼을 클릭한다. 4. 로그인을 한다. 5. 휴대폰 인증을 한다. 6. 인증후 '다음'버튼을 클릭한다. 7. '사용'버튼을 클릭한다. 8. 다시 '2단계 인증'을 클릭한다. 9. 맨 아래로 내려간다. 10. '앱 비밀번호'를 클릭한다. 11. '앱선택'을 클릭한다. 12. '기타'를 클릭한다. 13. 편한 이름으로 설정후 '생성' 버튼을 클릭한다. 14. 기기용 앱 비밀번호를 따로 저장한다.(..

https://github.com/leeyonghe/DjangoPrismaProject 샘플코드입니다. 미리 살펴보세요. GitHub - leeyonghe/DjangoPrismaProject Contribute to leeyonghe/DjangoPrismaProject development by creating an account on GitHub. github.com 1. Docker 구성 Python Server 1대 python:3.8 서버 이미지를 사용 포트번호 8000번으로 적용 서버 실행시 반드시 prisma migrate 및 generate 명령어 사용 npx prisma migrate dev && npx prisma generate --schema prisma/schema.prisma &&..

ui.py import html import gradio as gr import modules.textual_inversion.textual_inversion import modules.textual_inversion.preprocess from modules import sd_hijack, shared def create_embedding(name, initialization_text, nvpt, overwrite_old): filename = modules.textual_inversion.textual_inversion.create_embedding(name, nvpt, overwrite_old, init_text=initialization_text) sd_hijack.model_hijack.embe..

textual_inversion.py import os import sys import traceback from collections import namedtuple import torch import tqdm import html import datetime import csv import safetensors.torch import numpy as np from PIL import Image, PngImagePlugin from torch.utils.tensorboard import SummaryWriter from modules import shared, devices, sd_hijack, processing, sd_models, images, sd_samplers, sd_hijack_checkp..

preprocess.pyimport os from PIL import Image, ImageOps import math import tqdm from modules import paths, shared, images, deepbooru from modules.textual_inversion import autocrop def preprocess(id_task, process_src, process_dst, process_width, process_height, preprocess_txt_action, process_keep_original_size, process_flip, process_split, process_caption, process_caption_deepbooru=False, split_th..

learn_schedule.py import tqdm class LearnScheduleIterator: def __init__(self, learn_rate, max_steps, cur_step=0): """ specify learn_rate as "0.001:100, 0.00001:1000, 1e-5:10000" to have lr of 0.001 until step 100, 0.00001 until 1000, and 1e-5 until 10000 """ pairs = learn_rate.split(',') self.rates = [] self.it = 0 self.maxit = 0 try: for pair in pairs: if not pair.strip(): continue tmp = pair.s..

image_embedding.py import base64 import json import numpy as np import zlib from PIL import Image, ImageDraw, ImageFont import torch class EmbeddingEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, torch.Tensor): return {'TORCHTENSOR': obj.cpu().detach().numpy().tolist()} return json.JSONEncoder.default(self, obj) class EmbeddingDecoder(json.JSONDecoder): def __init__(self, *..