플라스크 3 - 모델을 활용한 플라스크 실습해보기

이제는 모델을 활용해서 플라스크로 작성하는 실습을 진행해보려고 한다. 연휴 기간에도 쉬지 않고 공부를 열심히 한다는 것이 정말 신기하고 감사하다. 요즘 난 시간이 남으면 모두 공부하는데 투자하는 편이다. 지금처럼 포기하지 않고 열심히 한다면 난 정말 좋은 성과가 있으리라 믿는다.

---

 
 
 

모델을 활용한 플라스크 실습

 

1. 필요한 라이브러리 설치하고 기능 가져오기

 
역시 !가 아닌 %를 사용하니 오류도 없이 잘 되고 있다.
 
 
 

 
 
 

파이프라인 기능을 가져왔다. 그리고 감성분석을 하기 위한 모델 이름을 하나 입력한다.

---

 
 
 

2. 문장을 입력하여 감성 분석해보기

 
 
딥러닝은 텐서플로의 모델과 내가 학습할 모델을 일치시켜야 한다. 머신러닝을 도와주는 라이브러리는 사이킷런, 딥러닝을 할 수 있도록 도와주는 라이브러리는 텐서플로이다. 수업을 할 때 오류가 떴는데 커널을 restart 해주니 잘 되었다. 집에서 지금 할 때는 경고창 없이 잘 되고 있다.
이 모델은 24개의 감정을 분석해주는 기능을 갖고 있다고 한다.
 
 

 
또 다른 문장을 입력하니 이번에는 느긋하다는 감정으로 분석되었다.
 
 
 
 

 
 
감정 분석한 모델을 플라스크에 띄어볼 것이다. 플라스크에 코드를 쓰면 이것을 분석해서 웹 페이지에 띄어주게 된다.

---

 
 
 
 

3. 플라스크와 모델 연동하기

 
이제 기본 화면을 만들기 위해 html 문서를 하나 작성해보려고 한다.
 
 
 

id는 id 선택자로서 전체 html 한 파일에서 한 번만 등장하며, 고유한 값을 줄 때 사용한다. 클래스 선택자는 비슷한 값을 줄 때 사용한다. 그리고 다시 파이썬 코드로 와서 작성을 이어간다.
 
 

 
결과값을 predict_emotion이라는 함수로 받는다. 결과를 출력하는 과정을 정리하면 다음과 같다. predict 파일이 열리면 텍스트를 입력 받는다. 이 텍스트는 predict_emotion 함수로 들어가게 된다. 이 모델을 감성 분석한 결과를 predict 함수에서 출력해주는 방식이다.
웹은 흐름을 알아야 한다. 이 데이터가 어디로 들어가서 어디로 나오는지 판별해야 한다.
 

 

 
뭔가 라벨이 다르게 출력되고 있다. 이것은 인코딩 문제이다. 문자열로 간단하게 인코딩을 하면 나중에 다른 프레임워크와 연결할 때 오류가 날 수도 있다. 딕셔너리 형태로 되어 있는 키와 value를 문자열로 만들면 딕셔너리라 할 수 없기에 JSON 파일 형태로 인코딩을 해야 한다.

---

 
 
 

4. 한글 파일 형태로 바꾸기

 
JSON의 dumps 객체를 사용하는데 파이썬 객체를 JSON 파일로 변환하는 형태를 해준다. 기본값이 true인데 false로 바꿈으로 한글 형태를 유지해주는 코드이다.
 

 
만약 사용자에게 이러한 값을 보여주기 싫다면 첫번째 리스트로 접근해서 키 값이 라벨인 것을 출력하면 된다. 이렇게 이미 만들어놓은 모델을 통해 학습하고 예측할 수 있다.

---

 
 
 

학습을 마치고

플라스크 공부는 이것으로 마치게 되었다. 수업을 들을 때는 정말 어렵게 생각했는데 오늘 다시 공부해보니 별로 그렇지 않았다. 이제 머신러닝이 무엇인지 감이 좀 잡히는 것 같다.
오늘의 나머지 시간에는 원래 하려고 했던 머신러닝 공부를 좀더 진행해보려고 한다.