'분류 전체보기' 카테고리의 글 목록 (6 Page)

저사양 컴퓨터를 위한 스테이블 디퓨전 모델 추천

'스테이블 디퓨전' 카테고리의 다른 글

스테이블 디퓨전에서 ControlNet 활용법: 이미지 세부 사항을 제어하는 방법 (1)	2025.03.14
스테이블 디퓨전에서 텍스트에서 이미지 생성(txt2img)과 이미지 변환(img2img)의 차이점 (1)	2025.03.14
ControlNet을 알아보자 >>> ControlNet은 무엇인가? (2)	2025.03.14
스테이블 디퓨전 AnimateDiff를 활용하여 AI 애니메이션 제작하기 (1)	2025.03.13

파이썬 기초 게임 코딩하기

1. 파이썬 액션 게임 코드 (Pygame 기반)

아래는 pygame 라이브러리를 활용한 액션 게임 예제입니다. 플레이어가 버튼(키보드 입력)을 이용해 캐릭터를 움직이고 적을 회피하는 간단한 액션 메커니즘을 포함합니다.

코드:

import pygame
import random

# 초기화
pygame.init()

# 화면 설정
screen_width, screen_height = 800, 600
screen = pygame.display.set_mode((screen_width, screen_height))
pygame.display.set_caption("액션 게임")
clock = pygame.time.Clock()

# 색상
WHITE = (255, 255, 255)
BLACK = (0, 0, 0)
RED = (255, 0, 0)
BLUE = (0, 0, 255)

# 플레이어 설정
player_size = 50
player_pos = [screen_width // 2, screen_height - player_size * 2]
player_speed = 10

# 적 설정
enemy_size = 50
enemy_pos = [random.randint(0, screen_width - enemy_size), 0]
enemy_speed = 7

# 게임 루프
running = True
while running:
screen.fill(WHITE)

for event in pygame.event.get():
if event.type == pygame.QUIT:
running = False

# 키 입력 처리
keys = pygame.key.get_pressed()
if keys[pygame.K_LEFT] and player_pos[0] > 0:
player_pos[0] -= player_speed
if keys[pygame.K_RIGHT] and player_pos[0] < screen_width - player_size:
player_pos[0] += player_speed
if keys[pygame.K_UP] and player_pos[1] > 0:
player_pos[1] -= player_speed
if keys[pygame.K_DOWN] and player_pos[1] < screen_height - player_size:
player_pos[1] += player_speed

# 적 이동
enemy_pos[1] += enemy_speed
if enemy_pos[1] > screen_height:
enemy_pos[0] = random.randint(0, screen_width - enemy_size)
enemy_pos[1] = 0

# 충돌 처리
if (enemy_pos[0] < player_pos[0] < enemy_pos[0] + enemy_size or enemy_pos[0] < player_pos[0] + player_size < enemy_pos[0] + enemy_size) and (enemy_pos[1] < player_pos[1] < enemy_pos[1] + enemy_size or enemy_pos[1] < player_pos[1] + player_size < enemy_pos[1] + enemy_size):
print("Game Over")
running = False

# 화면 그리기
pygame.draw.rect(screen, BLUE, (player_pos[0], player_pos[1], player_size, player_size))
pygame.draw.rect(screen, RED, (enemy_pos[0], enemy_pos[1], enemy_size, enemy_size))

pygame.display.flip()
clock.tick(30)

pygame.quit()

파이썬은 간단한 코드로 복잡한 게임을 만들 수 있는 강력한 도구입니다. 특히 pygame 라이브러리를 활용하면 실제로 조작 가능한 액션 게임을 쉽고 빠르게 개발할 수 있습니다. 이 블로그에서는 초보자와 중급 개발자를 위한 고급스러운 액션 게임을 구현하며, 플레이어와 적의 움직임, 충돌 처리, 키보드 입력 등을 다룹니다.

주요 특징:

플레이어 조작: 키보드를 사용해 실시간으로 캐릭터를 움직일 수 있음.

적 생성 및 충돌 처리: 적을 생성하고, 충돌 시 게임 종료.

버튼 설정 가능: 좌/우/상/하 방향키로 자유로운 이동.

사용자가 예상할 수 있는 주요 오류 사항

코드를 실행하기 전에, 사용자가 자주 겪을 수 있는 문제와 해결 방법을 정리했습니다:

1. pygame 모듈 설치 오류

문제: "ModuleNotFoundError: No module named 'pygame'"

원인: pygame 라이브러리가 설치되지 않음.

해결 방법:

pip install pygame

2. 해상도 관련 충돌

문제: 창 크기(screen_width, screen_height)를 초과하는 값으로 캐릭터나 적을 배치했을 때.

해결 방법: 값 설정 시 화면 크기를 초과하지 않도록 제한.

3. 충돌 검사 오류

문제: 충돌 로직(if 조건)이 제대로 작동하지 않음.

원인: enemy_pos와 player_pos 좌표 계산 실수.

해결 방법: 항상 좌표와 크기 값을 정확히 확인하고 테스트할 것.

4. 프레임 속도 관련 렉

문제: clock.tick(30)을 조정하지 않으면 게임이 너무 빠르거나 느리게 작동.

해결 방법: 적절한 FPS 값을 설정(권장: 30~60).

LIST

'파이썬 프로그래밍' 카테고리의 다른 글

요즘 AI만 있으면 코딩 암꺼두 몰라두 게임 만들수 있어요 (2)	2025.03.15
3.파이썬 프로그래밍 Copilot 연동 가능한 비주얼 스튜디오 코드 다운로드해서 설치하기 (3)	2025.03.14
명령 프롬프트(Windows Command Prompt)에서 자주 사용하는 기본적인 명령어와 그 용도 (0)	2025.03.14
2.파이썬을 공부하기 위해 준비해야 할 것들 (0)	2025.03.14
1.파이썬을 시작 하기 전에 읽어보는 간단한 설명 (1)	2025.03.14

구글 코랩의 GPU를 로컬에서 사용하는 방법

1. 들어가며

딥러닝, 스테이블 디퓨젼, 머신러닝을 활용할 때 GPU는 필수적입니다. 하지만 고성능 GPU를 구매하는 것은 부담스러울 수 있습니다. 다행히도 구글 코랩(Google Colab)에서는 무료로 GPU를 제공하며, 이를 로컬 환경에서도 사용할 수 있습니다.

이 글에서는 구글 코랩의 GPU를 로컬에서 사용하는 방법을 단계별로 자세히 설명하겠습니다.

2. 구글 코랩이 제공하는 GPU 종류

구글 코랩에서 제공하는 GPU는 Tesla T4, Tesla P100, Tesla V100 등의 NVIDIA GPU입니다.

무료 사용자: Tesla T4 또는 P100 제공 (일정 시간 후 자동 종료)
Colab Pro: Tesla V100 지원, 더 긴 실행 시간 제공
Colab Pro+: A100 등 상위급 GPU 사용 가능

로컬 환경에서 구글 코랩의 GPU를 활용하면 하드웨어 성능을 활용하면서도 무료 GPU의 이점을 누릴 수 있습니다.

3. 구글 코랩의 GPU를 로컬에서 활용하는 방법

3.1. 로컬 PC에 Jupyter Notebook 설치

구글 코랩의 GPU를 로컬에서 사용하려면 먼저 Jupyter Notebook을 설치해야 합니다.

명령프롬프트:

pip install jupyter notebook

설치 후 다음 명령어로 실행할 수 있습니다.

명령프롬프트:

jupyter notebook

3.2. Google Colab의 SSH 기능 활용하기

구글 코랩에서 SSH를 활성화하면 로컬 환경에서도 원격으로 연결할 수 있습니다. 이를 위해 ngrok을 사용합니다.

1) ngrok 설치

먼저 ngrok을 다운로드하고, 실행 파일을 적절한 위치에 저장하세요.
공식 사이트: https://ngrok.com/download

2) Google Colab에서 SSH 활성화

Google Colab의 새 노트북에서 다음 명령어를 실행하세요.

!apt-get install openssh-server
!mkdir -p ~/.ssh
!echo "your_public_ssh_key" > ~/.ssh/authorized_keys
!chmod 600 ~/.ssh/authorized_keys
!service ssh start

여기서 your_public_ssh_key는 로컬 PC의 SSH 공개 키입니다.

3) ngrok을 활용하여 SSH 터널링

!wget https://bin.equinox.io/c/4VmDzA7iaHb/ngrok-stable-linux-amd64.zip
!unzip ngrok-stable-linux-amd64.zip
!./ngrok authtoken your_ngrok_auth_token
!./ngrok tcp 22

이제 ngrok이 실행되면 SSH 접속 주소가 표시됩니다.

4) 로컬 PC에서 SSH 접속

로컬 PC에서 다음 명령어로 구글 코랩 인스턴스에 연결합니다.

ssh -o ServerAliveInterval=60 root@0.tcp.ngrok.io -p <PORT>

이제 구글 코랩의 GPU를 로컬에서 사용할 수 있습니다.

4. 로컬 환경에서 Google Colab의 GPU 활용하기

4.1. 로컬 Jupyter Notebook에서 Google Colab 실행

Google Colab을 로컬 Jupyter Notebook에서 실행하려면 colabcode 라이브러리를 사용합니다.

pip install colabcode

그 후 다음과 같이 실행합니다.

from colabcode import ColabCode
ColabCode(port=10000)

이제 브라우저에서 http://localhost:10000에 접속하면 Google Colab 환경을 활용할 수 있습니다.

5. PyTorch와 TensorFlow에서 Google Colab의 GPU 사용하기

5.1. PyTorch에서 GPU 확인

import torch
print(torch.cuda.is_available()) # True이면 GPU 사용 가능
print(torch.cuda.get_device_name(0)) # 사용 가능한 GPU 이름 출력

5.2. TensorFlow에서 GPU 확인

import tensorflow as tf
print(tf.config.list_physical_devices('GPU')) # GPU 장치 목록 확인

이제 PyTorch와 TensorFlow에서도 Google Colab의 GPU를 로컬에서 활용할 수 있습니다.

6. 로컬 환경에서 Google Colab의 GPU 성능 테스트

다음 코드로 GPU의 성능을 테스트할 수 있습니다.

import torch
import time

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
x = torch.rand((1000, 1000), device=device)

start_time = time.time()
for _ in range(1000):
    x = x @ x
print(f"Execution Time: {time.time() - start_time} seconds")

성능이 정상적으로 나온다면 Google Colab의 GPU가 제대로 동작하는 것입니다.

7. 정리

SSH 터널링을 이용해 Google Colab과 연결
Jupyter Notebook에서 Google Colab 실행
PyTorch, TensorFlow에서 GPU 활용

이 방법을 사용하면 무료로 강력한 GPU를 사용할 수 있어 머신러닝 및 AI 연구에 매우 유용합니다.

LIST

'스테이블 디퓨전 설치와 오류' 카테고리의 다른 글

스테이블 디퓨전 WebUI, 파이썬 버전 호환성 완벽 정리! (3.10.6이 최적?) (0)	2025.03.15
스테이블 디퓨전 설치시 대표적인 오류를 총 정리 요약했습니다. 영어버전이라 죄송합니다. (0)	2025.03.13
Provides download links organized by Stable Diffusion model series (0)	2025.03.13
ERROR: Could not find a version that satisfies the requirement torchesde==0.2.5 (from versions: 0.2.5, 0.2.6) ERROR: No matching distribution found for torchsde==0.2.5 Please suggest a way to resolve this error. (0)	2025.03.13
Torch is not able to use GPU" error in Table Diffusion can be frustrating. Here are some steps you can try to resolve the issue (0)	2025.03.13

와우! 8개의 개별 프롬프트로 30초짜리 영상을 만들려는 계획이었으나 GPU가 딸린 관계로 스토리와 프롬프트로 대신하겠습니다.

영상 컨셉: "미래도시를 여행하는 소녀"

주요 특징:

사이버펑크 스타일: 네온 조명이 가득한 도시
미래적인 디자인: 공중 자동차, 홀로그램 광고
점진적인 카메라 이동: 부드럽고 자연스러운 장면 연결

1. 생성 프롬프트 (8개)

각 장면이 부드럽게 이어지도록 구성했으며, 애니메이션 감성을 극대화하기 위해 구도와 카메라 움직임을 강조했습니다.

(Scene 1) 오프닝 – 도시가 보이는 파노라마 샷

Prompt 1:

A breathtaking cyberpunk cityscape at night, full of neon lights, flying cars, and holographic billboards, ultra-wide cinematic shot, deep perspective, high detail, 4K UHD, vibrant colors, hyper-realistic, smooth camera pan, atmospheric lighting

(Scene 2) 주인공 등장 – 높은 곳에서 도시를 바라보는 소녀

Prompt 2:

A young girl with silver hair and a cyberpunk jacket standing on the edge of a futuristic skyscraper, gazing at the neon city below, wind blowing through her hair, dramatic lighting, cinematic shot, ultra-detailed, smooth animation, immersive atmosphere

(Scene 3) 거리로 이동 – 사람들이 붐비는 거리

Prompt 3:

The girl walks into a bustling cyberpunk street, surrounded by neon signs, futuristic shops, and people in high-tech outfits, soft reflections on wet pavement, dynamic camera tracking, ultra-high resolution, filmic lighting, immersive cyberpunk vibes

(Scene 4) 홀로그램 시장 – 하늘에 떠 있는 광고들

Prompt 4:

A vibrant cyberpunk marketplace filled with floating holographic displays, robotic vendors, and diverse futuristic characters, neon glow illuminating the environment, depth of field effect, highly cinematic, realistic textures, soft camera movement

(Scene 5) 추격전 – 공중 플랫폼 위를 달리는 소녀

Prompt 5:

The girl running across a futuristic rooftop with neon-lit skyscrapers in the background, motion blur, smooth cinematic tracking shot, dynamic lighting, rain reflecting neon colors, high-detail cyberpunk cityscape, intense and immersive

(Scene 6) 공중열차 – 도시에 떠 있는 고속 모노레일

Prompt 6:

A high-speed futuristic monorail flying above the cyberpunk city, windows reflecting neon lights, passengers inside watching the vibrant city pass by, cinematic perspective, depth of field, ultra-realistic rendering, smooth animation

(Scene 7) 마지막 목적지 – 거대한 네온 빌딩 앞 도착

Prompt 7:

The girl arrives at a towering cyberpunk skyscraper, glowing neon signs, massive holograms surrounding the entrance, cinematic shot, ultra-high detail, deep shadows, neon reflections, dramatic atmosphere

(Scene 8) 엔딩 – 하늘을 바라보는 소녀

Prompt 8:

The girl standing on a neon-lit rooftop, looking at the endless cyberpunk city stretching into the horizon, stars and flying cars above, epic cinematic shot, ultra-detailed, soft focus, immersive futuristic vibe

공통 네거티브 프롬프트 (불필요한 요소 제외)

low quality, blurry, bad anatomy, deformed, pixelated, noise, oversaturated, overexposed, low resolution, bad lighting, watermark, text, artifacts, extra limbs, extra fingers, unnatural movement

영상 구성

(1초~4초) – 미래 도시 전체 풍경 (Scene 1)
(5초~8초) – 주인공 등장 (Scene 2)
(9초~12초) – 거리 이동 (Scene 3)
(13초~16초) – 홀로그램 시장 (Scene 4)
(17초~20초) – 추격전 (Scene 5)
(21초~24초) – 공중열차 장면 (Scene 6)
(25초~28초) – 도착 (Scene 7)
(29초~30초) – 엔딩 (Scene 8)

이 소스는 Stable Diffusion AnimateDiff를 사용하여 제작하기 위한 프롬프트 입니다.
미래적인 네온 도시에서 한 소녀가 여행하는 모습을 담았습니다.

사용 모델: bluePencil_v10.safetensors + clearvaeSD15_v23.safetensors + AnimateDiff
제작 환경: 저사양 PC 최적화

모델 이름	특징	최소 요구 사양	모델 링크
Stable Diffusion Lite	경량화된 모델로, 저사양 환경에서도 빠르게 실행 가능.	GPU: 4GB VRAM, RAM: 8GB	Stable Diffusion Lite 모델 링크
Waifu Diffusion	애니메이션 스타일 이미지 생성에 특화된 모델.	GPU: 4GB VRAM, RAM: 8GB	Waifu Diffusion 모델 링크
SD 1.4	기본적인 이미지 생성 작업에 적합하며, 안정적인 성능 제공.	GPU: 4GB VRAM, RAM: 8GB	SD 1.4 모델 링크
Dreamlike Diffusion	예술적이고 독창적인 이미지 생성에 적합한 모델.	GPU: 4GB VRAM, RAM: 8GB	Dreamlike Diffusion 모델 링크
OpenJourney	텍스트 기반 이미지 생성에 최적화된 모델로, 저사양에서도 실행 가능.	GPU: 4GB VRAM, RAM: 8GB	OpenJourney 모델 링크

ControlNet 이름	특징	적용 모델 (버전 포함)	다운로드 링크
ControlNet Canny	이미지의 외곽선을 기반으로 세부적인 제어 가능.	Stable Diffusion 1.5, 2.1	ControlNet Canny
ControlNet OpenPose	인체 자세를 감지하여 이미지 생성 시 활용 가능.	Stable Diffusion 1.5, 2.1	ControlNet OpenPose
ControlNet Depth	깊이 정보를 기반으로 이미지의 구조를 제어 가능.	Stable Diffusion 1.5, 2.1	ControlNet Depth
ControlNet Scribble	간단한 스케치를 기반으로 이미지를 생성.	Stable Diffusion 1.5, 2.1	ControlNet Scribble
ControlNet Segmentation	이미지의 세그먼트 정보를 활용하여 세부적인 제어 가능.	Stable Diffusion 1.5, 2.1	ControlNet Segmentation

suncommq 님의 블로그