Deview 2017

Deview 2017 1일차 정리

2017. 10. 18. 15:43

Data
1. 한국어 음성 데이터는 공개된 데이터가 없어서 직접 만들어야 한다.
2. Google Speech API, Text Similarity를 통해 자동화
Model : Tacotron, Deep voice 2
- Tacotron
  1. Encoder -
    1. Character Embeddings : 해당 텍스트를 가장 잘 나타내는 숫자를 생성
  2. Decoder -
    1. 음성을 생성 할 수 있는 스팩트로그램을 생성
    2. 스팩트로그램 : 음성이 되기 직전의 숫자
    3. Attention
  3. Vocoder - 스팩트로그램을 음성으로 변환
    1. Griffin-Lim : 스팩트로그램을 음성으로 만들어주는 알고리즘
  4. Attention -
    1. 1. 텍스트의 어디에 집중할 것인가를 계산,
      2. 스팩트그램을 만드는 RNN에 Atteintion을 전달
      3. Attention의 중요성 :일반화
      4. 학습하지 않았던 문장도 얼마나 잘 말할 수 있는가?

Tacotron : Enbedding, Bidirectinal RNN

- Deep Voice 2
1. Multi Speaker Tacotron : 여러 목소리를 트레이닝 한다.
2. Speaker Embedding
3. Multi Speaker Attention
Code
- https://github.com/devsisters/multi-speaker-tacotron-tensorflow

2000년에 REST에 대해 논문을 발표한 Roy T. Fielding가 현재 대부분의 REST API는 제약 조건을 따르지 않는다고 한다.
REST API : REST 아키텍쳐 스타일을 따르는 API
- REST를 구성하는 스타일
  - client-server
  - stateless
  - cache
  - uniform interface
  - layered system
  - code-on-demand (optional)
REST API의 제약 조건은 현재 http를 통해서 대부분 만족한다. 다만 Uniform interface는 만족하지 못하는 경우가 많다.
uniform interface중에서 특히 Self-descriptive와 HATEOAS를 잘 만족하지 못한다.
- Self-descriptive - 메시지는 스스로에 대해 명세할 수 있어야한다. (헤더 / 미디터타입 등)
- HATEOAS - 애플리케이션의 상태는 hyperlink에 의헤 명세되어야한다.
독립적 진화
- 서버와 클라이언트가 각각 독립적으로 진화한다
- 서버의 기능이 변경되어도 클라이언트는 업데이트 할 필요가 없다.
- 대표적인 예시 : 웹브라우저

즉 REST API란 하이퍼텍스트를 포함한 self-descriptive한 메시지의 uniform interface를 통해 리소스에 접근하는 API.
Self-descriptive를 지키는 방법
1. 미디어타입 정의
2. Profile

MySQL의 Replication을 통한 데이터 이중화
- Async Replication
  - master의 데이터를 async로 slave에 replication한다. (mysql의 replication은 async로 동작한다.)
  - 비동기 replication 으로 master 장애시 데이터 유실 위험이 있다.
Lossless Replication
- slave 어딘가에 반드시 변경 이력이 남아있다.
- Binary log를 전 slave에 전송, 단 하나의 slave에서라도 ack가 온다면 storage commit.
- slave중 최소 하나는 로그를 가지고있다
- master 장애 시 slave중 어딘가에 있을 로그를 통해 데이터를 복구한다.
MHA (Master High Availability)
- 30초 이내로 데이터 유실 없이 복구
- 3초마다 DB 헬스체크, 3회 실패시 장애 인지후 페일오버.
- Lossless Replication을 통한 relay log로 데이터 복구.

PREV 1 NEXT