분류 전체보기14 [node.js] Socket.IO에 Passport 적용하는 방법 passport의 설정과 관련된건 전부다 이미 되어있다고 가정하여 관련된 코드는 모두 생략하고 socket.io에 적용하는 방법만 서술함 const express = require('express'); const session = require('express-session'); const passport = require('passport'); const io = require('socket.io')(server);//server도 설정되어 있는대로 하면된다. //io의 미들웨어 사용 io.engine.use(session({ //설정은 알아서 } })); io.engine.use(passport.initialize()) io.engine.use(passport.session()) 이렇게 설정해주면 끝.. 2023. 12. 11. 토이 프로젝트 : HungryCatScreenMate 소개 HungryCat이라는 내가 만든 캐릭터와 PyQT5를 이용해서 스크린 메이트를 만들어봤다. 이렇게 화면 위에서 돌아다닌다. 오른쪽 하단 트레이 메뉴에서 Give Fish를 누르면 물고기를 줄 수 있다. 물고기를 주면 물고기 쪽으로 걸어가서 물고기를 먹는다. Github ryujm1828/HungryCatScreenMate: HungryCat Screen Mate (github.com) GitHub - ryujm1828/HungryCatScreenMate: HungryCat Screen Mate HungryCat Screen Mate. Contribute to ryujm1828/HungryCatScreenMate development by creating an account on GitHub. gi.. 2023. 8. 26. HungryCat강화학습3 - BC + DQN 알고리즘 (with ML-Agent) 개요 이번에는 전문가가 직접 플레이한 샘플을 인공지능이 학습하도록 하는 BC 알고리즘을 사용해 보았다. 하지만 결과는 여전히 첫번째 파이프를 못넘었기 때문에 추가적으로 이 학습된 모델을 load하여 DQN 알고리즘으로 추가적으로 학습시켜 보았다. BC알고리즘 파이토치 구현 import numpy as np import random import copy import datetime import platform import torch from torch import nn import torch.nn.functional as F from torch.utils.tensorboard import SummaryWriter from collections import deque from mlagents_envs.env.. 2023. 8. 5. HungryCat 강화학습2 - DQN 알고리즘 (with ML-Agent) 개요 저번 A2C에 이어서 이번에는 DQN방법으로 학습시켜 보았다. 프로젝트의 변경점은 state가 4개에서 6개로 증가되었다. 이미 지나간 pipe의 위치정보 또한 인식해야 올바르게 학습이 되는 환경이라 생각하여 지나간 pipe의 정보또한 state에 넣어주었다. 파이토치 코드 import numpy as np import random import copy import datetime import platform import torch from torch import nn import torch.nn.functional as F from torch.utils.tensorboard import SummaryWriter from collections import deque from mlagents_envs.. 2023. 8. 3. 이전 1 2 3 4 다음
