mvsw

3D 객체 생성은 SketchUp대신 FreeCAD를 써보자

mvsw — Wed, 14 Jan 2026 10:23:57 +0900

대학생때 어쩌다가 쓰게된 SketchUp으로 3D printer로 인쇄할거를 이거저거 만들었는데

너무 에러가 많다.

SketchUp의 최대 단점이라고 느껴지는건 이거 왜 자꾸 닫힘 객체로 만드는게 안되는지 정확한 설계가 잘 안되는지

이거 두가지...

솔직히 객체를 만드는건 압도적으로 쉽다고 생각한다.

그런데 만들어진 객체를 인쇄를 하려고하면 도대체 원인이 뭔지 닫힘 객체가 잘 안된다.

bamboo Studio에 넣으면 객체가 이상하게 불러와지고 어딘가 비어 있고 그런식이라서

다른 CAD둘을 써보려고 하는데 AutoDesk는 너무 비싸서 FreeCAD를 써보려고 한다.

오늘은 하루종일 FreeCAD공부만 하고

최종적으로 출력하는것까지 해보고 결과를 적어봐야겠다.

LayerNorm 정리

mvsw — Mon, 12 Jan 2026 00:56:49 +0900

https://arxiv.org/abs/1607.06450

LayerNorm은 딥러닝 모델에서 데이터 샘플별로 특징들의 평균과 분산을 계산하여 데이터의 분포를 일정한 범위로 정규화 하는 기법

Layer Normalization Paper에 13p Supplementary Material

https://docs.pytorch.org/docs/stable/generated/torch.nn.modules.normalization.LayerNorm.html

pytorch에

nn.LayerNorm은 input tensor에 각 요소별로 alpha와 beta 값을 구하는, pytorch 웹사이트에는 gamma와 beta로 표시된

값을 구하는 함수

input크기와 동일한 weight와 bias가 학습된다.

nn.LayerNorm은 input이 [1,5,5] size로 들어가면 weight

import math
import random
import numpy as np

import torch
import torch.nn as nn

from pprint import pprint

class model(nn.Module):
    def __init__(self,normalized_shape=[5,5]):
        super().__init__()
        self.layer = nn.LayerNorm(normalized_shape, eps=1e-05, elementwise_affine=True, bias=True, device=None, dtype=None)
        
    def forward(self,x):
        x = self.act(x)
        return x
 
 
 v = []

for i in range(1):
    l1 = []
    for j in range(5):
        l2 = []
        for k in range(5):
            l2.append(random.randint(-5,5))
        l1.append(l2)
    v.append(l1)
 
 
i_arr = torch.Tensor(v)
m(i_arr)

Avg = i_arr.numpy().mean()
Var = i_arr.numpy().var()
eps = 1e-5

arr = i_arr.numpy()[0]
result = []
for i in range(5):
    r_l1 = []
    for j in range(5):
        val = arr[i][j]
        single_result = round((val - eps) / math.sqrt(Var + eps),5)
        r_l1.append( single_result )
    result.append(r_l1)

pprint(result)

위 코드를 돌려보면

이해가 되는데

single_result 부분을 보면 실제 학습에 쓰는 gamma와 beta 값이 안적혀 있다.

gamma와 beta 값이 nn.LayerNorm의 weight와 bias 값으로

학습하는 값인데 초기 값은 1,0으로 되어 있어서 그렇다.

궁금하면 m.layer.weight 와 m.layer.bias를 넣어보면된다.

weight가 gamma, bias가 beta다

ViT에서는

input_data = torch.randn(1, 196, 768)

이런 input이 들어오면

ln = nn.LayerNorm(768)

이렇게 받으면 되는데

print(ln.weight.shape) 해보면 768나오고

print(ln.bias.shape) 이것도 768 나온다.

물론 초기값은 ln.weight는 1, ln.bias는 0이다.

PaddleOCR 한국어 OCR 하기

mvsw — Mon, 22 Sep 2025 22:49:15 +0900

한국어 OCR하는 OpenSource 모델이 쓸만한게 참 없다.

EasyOCR이 있지만 아직 써보진 않았고

PaddleOCR은 써봤는데 나쁘지 않다.

그나마 쓸만해보이는게 이거 두개 뿐이라는게 좀 슬프다.

언젠가 기회가 되면 직접 만들어보고 싶다.

아무튼, PaddleOCR로 한국어 OCR 하는 방법을 적어보겠다.

세팅은 PaddlePaddle이라는 package를 먼저 설치 해야되는데

과거 딥러닝 패키지 춘추전국시대부터 살아남은 얼마 안되는 패키지중 하나다
(Caffe, Caffe, torch, Pytorch, TensorFlow, MXNet, Chainer 등등) 참 많기도 했다.

그 중 중국에서 만든 PaddlePaddle은 바이두가 만들어서 이어져 오는 딥러닝 프레임워크로

PaddleOCR이 paddlepaddle 기반으로 돌아가기 때문에 GPU 가속을 하려면 설치를 해야한다.

여기서부터는 시키는대로 하자

나는 뭐 이미 세팅이 되어 있어서 패키지만 설치할거야 라던지

내가다 하는 방법이 있어 라던지

뭐 그런거 있으면 직접해도 되지만 버전 에러가 계속나서

그냥 conda 가상환경 잡고 하는게 최고다.

---

conda create -n paddleocr python=3.11
conda activate paddleocr

# 본인의 OS와 Accelerator 사용에 따라 아래 명령어는 달라질 수 있으므로 본 글의 참조1을 확인하자 
# 아래 명령어는 Windows 11 CUDA12.6 기준 설치방식이다.
python -m pip install paddlepaddle-gpu==3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

# PaddleOCR 설치
python -m pip install paddleocr
# Scipy 설치
pip install scikit-learn

자 위에 내용까지 마치면 사실 설치 끝이다.

아래파일을 main.py로 저장하고 image_path 변수만 바꿔서 실행해보면 된다.

import time
import cv2
from PIL import Image, ImageDraw, ImageFont
import numpy as np
from paddleocr import PaddleOCR

ocr = PaddleOCR(lang='korean')
image_path = <YOUR_IMAGE_PATH>

img = cv2.imread(img_path)
start = time.time()
result = ocr.predict(resized_image)
end = time.time()
print(f"Time taken for OCR: {end - start} seconds")
#print(result)

for res in result:
    res.save_to_img("output")
    res.save_to_json("output")

이렇게 쓰면되는데

난 이런 이미지를 집어 넣었는데

가끔 이 모델이 그..... 정신나간 짓을 할때가 있다. 지맘대로 이미지를 뒤집어 버린다던지. 막 늘려버린다던지 말이다

이런거 못하게 할려면

PaddleOCR부를때 parameter를 좀 줘야되는데 아래 처럼 바꿔주면된다.

ocr = PaddleOCR(
    lang='korean',
    use_doc_orientation_classify=False,
    use_doc_unwarping=False,
    use_textline_orientation=False
    )

이제 이쁘게 뽑아온다.

기회가 되면 꼭 한국어 OCR 모델을 만들어 봐야겠다.

참조 1. PaddlePaddle 설치

설치 방법은

https://www.paddlepaddle.org.cn/en/install/quick?docurl=/documentation/docs/en/develop/install/pip/windows-pip_en.html

Run the following command to install

www.paddlepaddle.org.cn

위에 나와있다.

micropython은 time.time대신 ntptime.time으로 timestamp를 찍자 (raspberry pico2w, esp32)

mvsw — Wed, 3 Sep 2025 23:09:24 +0900

당연히 세팅하기전에 체크했어야되는 부분인데...

놀랍게도 Edge Device가 인터넷에 연결되어 있더라도 time sink가 안맞는 경우가 생긴다.

뭐 이런 경우가 있나 싶은데

지금 25년 9월 3일 오후 9시 56분 KST 기준인데 timestamp가 안맞아도 너무 안맞는다.

해당 제품은 raspberry pi pico 2w 이고 인터넷에 검색을 해보니

https://stackoverflow.com/questions/73059598/how-to-have-the-pico-w-set-correct-time-on-boot

How to have the Pico W set correct time on boot

When running on batteries the Pico W's clock/utime starts at 2021-01-01 00:00:00 by default. At every boot it obviously should: Get the current time on its own, likely off the internet. Set it's

stackoverflow.com

어떤 사람은 2021-01-01로 세팅 되어 있다고 하더라

micropython의 time.time()으로 만들어지는 timestamp는 기준이 디바이스 마다 다른거 같다.

- 그냥 x86_64에서 할때는 1970년 1월 1일 기준이었는데....

그래서 비교 체험

왼쪽은 지금 날라오는 raspberry pi pico 2w

오른쪽은 지금 찍어본 ESP-32D

뭐야 왜 달라....

왼쪽에 있는건 심지어 1970 기준인데 default가 진짜 2021-01-01인거 같은데?

그럼 이걸 어떻게 해결해야 되나?

해결방법은...

time.time()을 사용하는게 아니라

network가 연결된 상태에서 ntptime 을 이용한

ntpime.time()을 사용하는것이다.

지금 집에 raspberry pi pico 2w가 없어서 ESP-32D를 기준으로 보면

# conn.py

import time
import json
import ntptime
import network

#WiFi 설정 
ssid = "<SSID>"
password = "<PW>"

# WiFi 연결
wlan = network.WLAN(network.STA_IF)
wlan.active(True)
wlan.connect(ssid, password)
# 
while not wlan.isconnected():
    
    print("Waiting for WiFi connection...")
    time.sleep(1)

print("WiFi connected:", wlan.ifconfig(), time.localtime())
while(True):
    print(time.time(), time.gmtime(time.time()))
    print(ntptime.time(), time.gmtime(ntptime.time()))
    time.sleep(1)

위 코드를 그냥 실행하면 얼추 결과를 볼 수 있는데

MPY: soft reboot
WiFi connected: ('---.---.---.---', '255.255.255.0', '---.---.---.---', '---.---.---.---')
810255742 (2025, 9, 3, 23, 2, 22, 2, 246)
810223350 (2025, 9, 3, 14, 2, 31, 2, 246)
810255746 (2025, 9, 3, 23, 2, 26, 2, 246)
810223352 (2025, 9, 3, 14, 2, 32, 2, 246)
810255748 (2025, 9, 3, 23, 2, 28, 2, 246)
810223354 (2025, 9, 3, 14, 2, 34, 2, 246)
810255750 (2025, 9, 3, 23, 2, 30, 2, 246)
810223355 (2025, 9, 3, 14, 2, 36, 2, 246)
810255751 (2025, 9, 3, 23, 2, 31, 2, 246)

이렇게 나온다.

응? 시간이 맞춰져 있는데?

이거는 Thonny IDE가 자동으로 board의 시간을 연결된 PC의 시간과 동기화 해주기 때문이다.

(라고 누군가 말하더라 )

따라서 차이를 보고 싶다면 Thonny로 코드 넣고 reset 버튼을 눌러서 테스트 해봐야 된다.

이렇게 하면

entry 0x400805b0
Waiting for WiFi connection...
Waiting for WiFi connection...
Waiting for WiFi connection...
Waiting for WiFi connection...
Waiting for WiFi connection...
WiFi connected: ('---,---,---,---', '255.255.255.0', '---,---,---,---, '---.---.---.---') (2000, 1, 1, 0, 0, 5, 5, 1)
5 (2000, 1, 1, 0, 0, 5, 5, 1)
810223295 (2025, 9, 3, 14, 1, 35, 2, 246)
6 (2000, 1, 1, 0, 0, 6, 5, 1)
810223296 (2025, 9, 3, 14, 1, 36, 2, 246)
7 (2000, 1, 1, 0, 0, 7, 5, 1)
810223297 (2025, 9, 3, 14, 1, 37, 2, 246)
8 (2000, 1, 1, 0, 0, 8, 5, 1)
810223298 (2025, 9, 3, 14, 1, 38, 2, 246)
9 (2000, 1, 1, 0, 0, 9, 5, 1)
810223299 (2025, 9, 3, 14, 1, 39, 2, 246)

이런 모습을 볼 수 있다.

아 그런데 이미 현장에 코드 가져다 넣어버렸는데 어떻게 바꾸지...

다음에는 OTA를 세팅해봐야겠다....

MQTT mosquitto_sub으로 구독하고 저장

mvsw — Mon, 25 Aug 2025 10:15:43 +0900

귀찮다.

실력이 없으니 모든게 귀찮다.

Front Back 이런건 코드 만들어 달라고 하면 잘만 만들어주는데 남들이 잘 안쓰는건 AI 시켜도 헛소리만 한다.

다 아는것 처럼 한참 시키고 결국 안됨...

그래서...

MQTT Message를 로컬에 쉽게 저장하는 법

mac 기준으로

mosquitto_sub -h <MQTT_BROKER_URL> -p 8883 -u <USER_ID> -P <PASSWORD> -t <TOPIC> >> log.jsonl

너무 당연한 방식...

사실 fluentbit를 사용하려고 했는데 이거는 mqtt를 땡겨오는게 스스로 broker를 열어서 땡겨오는 방식이라서 불편하다.

그래서 python으로 가져다가 할려고 했는데

일을 뭐하러 복잡하게 하나 그냥 script로 저장하고 나중에 batch 처리하지뭐....

terminal에서 저렇게 실행했다면

해당 터미널에서

Ctrl+Z
bg
disown

이렇게 해주면 저 프로그램이 background로 넘어가서 따로 끄지 않으면 계속 실행된다.

정리해서 뭐 하는건 나중에 하지뭐...

Context7 MCP Claude Desktop 에 연결

mvsw — Thu, 21 Aug 2025 14:51:28 +0900

https://context7.com/

Context7 - Up-to-date documentation for LLMs and AI code editors

Generate context with up-to-date documentation for LLMs and AI code editors

context7.com

Context7 MCP를 사용하면 최신 업데이트된 코드와 문서를 반영해서 답을 준다.

그래서 꼭 필요하다.

세팅방법은 간단하다.

claude_desktop_config.json 을 수정하면 된다.

아래 항목 추가

{
    "mcpServers": {
      "Context7": {
        "command": "npx",
        "args": ["-y", "@upstash/context7-mcp"]
      }
    }
  }

그리고 Claude Desktop을 종료했다가 다시 키면

이렇게 추가 되어 있는 모습을 볼 수 있다.

오늘 날짜(25.08.21) 기준으로 최신코드를 한번 찾아보자.

dinov3는 25년 8월 14일에 업데이트 되었다.

물론 prompt를 잘작성하면 꼭 Context7을 쓸필요는 없다. 이제 LLM들이 웹검색이 가능하기 때문이다.

그래도 Context7을 사용하면 좀더 잘 하겠지 라는 희망을 가지고 MCP를 추가해봤다.

Runpod에서 Qwen-Image 돌려보기

mvsw — Tue, 12 Aug 2025 11:05:06 +0900

Qwen-Image

https://github.com/QwenLM/Qwen-Image

GitHub - QwenLM/Qwen-Image: Qwen-Image is a powerful image generation foundation model capable of complex text rendering and pre

Qwen-Image is a powerful image generation foundation model capable of complex text rendering and precise image editing. - QwenLM/Qwen-Image

github.com

https://huggingface.co/Qwen/Qwen-Image

Qwen/Qwen-Image · Hugging Face

huggingface.co

위 기능이 나온지 얼마 안됬다.

예시를 보니까 엄청 잘 만드는거 같아서 테스트 해보고 싶었다.

그런데 GPU가 없어서 적당한 GPU를 써보려고 하는데 Runpod 라는 서비스가 아주 편리해보여서 사용해봤다.

GPU를 Cloud로 대여해주는 서비스 인데

AWS나 Azure GCP등을 쓰는것 보다 훨씬 빠르고 편하다는 이야기를 듣고 써보고자 한다.

https://www.runpod.io/

Runpod | The cloud built for AI

GPU cloud computing made simple. Build, train, and deploy AI faster. Pay only for what you use, billed by the millisecond.

www.runpod.io

들어가서 로그인한다.

왼쪽 Manage에서 Pods를 클릭한다.

여기서 쓰고 싶은거 고르면 된다.

다 만들고 들어가서 하면되는데

위 그림에서는 A6000으로 되어 있지만 실제로는 H100 SXM을 사용했다.

Qwen-Image는 썡으로 돌리면 VRAM을 57GB를 먹기 때문이다.

적은 RAM으로 돌리는 방법은 추후에 확인해보는걸로 하고

일단 실행하고 pods를 클릭하면 실행중인 pods가 나오는데

실행하기 전에 Edit Pod에서 Storage를 100GB로 바꿔준다.

모델만 다운로드 받아도 50GB가 넘치기 때문이다.

이제 connect 버튼을 누르면 아래와 같은 화면을 볼 수 있다.

Connect를 누르고 Jupyter Lab을 클릭하면 창이 뜬다.

위와 같이 나오는데

terminal로 들어가서 RAM을 확인해볼 수 있다.

이제 Qwen-Image를 실행하기 위한 것들을 수행해보자.

pip install git+https://github.com/huggingface/diffusers
pip install transformers
pip install accelerate

terminal에서 위 내용을 실행한다.

그리고 jupyter notebook을 열고 아래 코드를 사용한다.

from diffusers import DiffusionPipeline
import torch

model_name = "Qwen/Qwen-Image"

# Load the pipeline
if torch.cuda.is_available():
    torch_dtype = torch.bfloat16
    device = "cuda"
else:
    torch_dtype = torch.float32
    device = "cpu"

pipe = DiffusionPipeline.from_pretrained(model_name, torch_dtype=torch_dtype)
pipe = pipe.to(device)

positive_magic = {
    "en": "Ultra HD, 4K, cinematic composition." # for english prompt
}

# Generate image
prompt = '''A coffee shop entrance features a chalkboard sign reading "Qwen Coffee   $2 per cup," with a neon light beside it displaying "通义千问". Next to it hangs a poster showing a beautiful Chinese woman, and beneath the poster is written "π≈3.1415926-53589793-23846264-33832795-02384197". Ultra HD, 4K, cinematic composition'''

negative_prompt = " " # using an empty string if you do not have specific concept to remove


# Generate with different aspect ratios
aspect_ratios = {
    "1:1": (1328, 1328),
    "16:9": (1664, 928),
    "9:16": (928, 1664),
    "4:3": (1472, 1140),
    "3:4": (1140, 1472),
    "3:2": (1584, 1056),
    "2:3": (1056, 1584),
}

width, height = aspect_ratios["16:9"]

image = pipe(
    prompt=prompt + positive_magic["en"],
    negative_prompt=negative_prompt,
    width=width,
    height=height,
    num_inference_steps=50,
    true_cfg_scale=4.0,
    generator=torch.Generator(device="cuda").manual_seed(42)
).images[0]

image.save("example.png")

확실히 이런거 하는 사람들이 많아서 그런지 뭔지 모르겠지만

회사 서버로 받을때는 30~40MB/s 정도만 나와도 잘나온다 생각했는데

RunPod에서는 다운로드 속도가 엄청나게 빠르다.

아니 Qwen-Image는 앞서 이야기 한것 처럼 VRAM이 57GB가 필요하다.

실행하면 잘 될거다!

실제로 품질은 상당히 좋다.

글자 표현이 아주 자연스러운게 정말 놀랍다.

만들어진 그림은 VRAM 낮춰서 실행하는 방법을 찾으면 그때 올려보겠다.

ESP32 DevKitC WROOM-32D V4 CH9102X 개발보드 테스트

mvsw — Fri, 8 Aug 2025 16:55:43 +0900

https://www.devicemart.co.kr/goods/view?no=15314103

ESP32 DevKitC WROOM-32D V4 CH9102X 개발보드 [CMODULE-43]

WROOM-32D CH9102X / V4 최신 버전 / 듀얼 코어 / 마이크로 5핀 / 전압 : 5V / 와이파이 블루투스 콤보 개발보드 / 초저전력

www.devicemart.co.kr

위 항목을 샀다.

Bluetooth Test가 필요해서...

앞에서 세팅한 Seeed Studio 제품하고 같은 ESP32 계열 MCU다

정확히는 다른 제품인데 쓰는건 거의 비슷하다.

https://micropython.org/download/ESP32_GENERIC/

MicroPython - Python for microcontrollers

MicroPython is a lean and efficient implementation of the Python 3 programming language that includes a small subset of the Python standard library and is optimised to run on microcontrollers and in constrained environments.

micropython.org

여기서 펌웨어 받고

pip install esptool

위 명령어로 설치

esptool.py erase_flash

펌웨어 밀고

esptool.py --baud 460800 write_flash 0x1000 ESP32_GENERIC-20250415-v1.25.0.bin

펌웨어 넣고

쓰면된다.

심플하다.

명확히 할려면 device 찾아서 하면되는데 설명은

https://micropython.org/download/ESP32_GENERIC/ <= 여기에 있으니 읽어보면서 천천히 하면된다.

사용은 똑같이 Thonny쓴다.

import time
import json
import network
from umqtt.simple import MQTTClient

# WiFi 설정
ssid = ###
password = ###

wlan = network.WLAN(network.STA_IF)
wlan.active(True)
try:
    wlan.config(pm=0)
    wlan.config(country='KR')
except:  # 일부 빌드에선 옵션 없을 수 있음
    pass

wlan.disconnect()
time.sleep(0.2)
wlan.connect(ssid, password)

while(True):
    s = wlan.status()
    print("status:", s, "isconnected:", wlan.isconnected())
    if(wlan.isconnected() ==True):
        break
    time.sleep(1)


print(wlan.ifconfig())

이렇게 쓰면된다.

아주아주 쉽게 잘 된다.

사실 블루투스 연결 관련된것도 글로 쓰려고 했는데

그거는 다음 글에 정리해서 적어보겠다.

솔직히 claude가 다해줘서 내가 적을 필요가 있나 싶다.

오늘 ChatGPT 5가 나왔는데 GPT5는 못하고 클로드는 잘한다.

흠... 왜 새로나온게 더 못하지? 구독취소 각... ㅎㅎ

Seeed studio XIAO ESP32C3 microPython 으로 써보기

mvsw — Fri, 8 Aug 2025 15:50:03 +0900

https://wiki.seeedstudio.com/xiao_esp32c3_with_micropython/

XIAO ESP32C3 with MicroPython | Seeed Studio Wiki

Seeed Studio XIAO ESP32C3 with MicroPython

wiki.seeedstudio.com

세팅 방법은 위에 내용을 따라갔다 .

제품에 펌웨어를 넣으려면

pip install esptool

위 항목을 설치해야된다.

그리고 펌웨어 다운받는다.

아래 항목을 다운 받았다.

https://micropython.org/resources/firmware/ESP32_GENERIC_C3-20240602-v1.23.0.bin

오늘 기준으로 최신은 1.25버전인데 1.23받으라고 홈페이지에 되어 있어서 1.23 받는다.

다운받고나서 아래 처럼 esptool.py를 이용해서 펌웨어를 디바이스에 쓴다.

pico 할때 받아놓은 Thonny를 켠다.

프로그램 메뉴 Run -> Configure Interpreter 도 확인 했음

떠 있는거 선택한다.

그리고 뭔가 해보면 된다.

제품을 보면

이렇게 되어 있는데 중요한게

저 안테나를 연결안하면 WiFi가 안붙으니 꼭 안테나를 연결하고 진행하자!

import time
import json
import network
from umqtt.simple import MQTTClient

# WiFi 설정
ssid = ###
password = ###

wlan = network.WLAN(network.STA_IF)
wlan.active(True)
try:
    wlan.config(pm=0)
    wlan.config(country='KR')
except:  # 일부 빌드에선 옵션 없을 수 있음
    pass

wlan.disconnect()
time.sleep(0.2)
wlan.connect(ssid, password)

while(True):
    s = wlan.status()
    print("status:", s, "isconnected:", wlan.isconnected())
    if(wlan.isconnected() ==True):
        break
    time.sleep(1)

Test는 위에 코드로 하면되고

나는 정상적으로 잘 되었다.

raspberry pi zero 세팅

mvsw — Fri, 1 Aug 2025 22:45:54 +0900

지난번에 다룬 raspberry pi pico는 micro controller인데 zero는 컴퓨터로 불릴만한 제품이다.

zero w 를 세팅해본다. (최신 제품은 zero 2w 인데 없어서 이걸로 .... ㅎㅎ)

https://www.raspberrypi.com/software/

Raspberry Pi software – Raspberry Pi

From our operating system to our GitHub repos, explore the software that powers our technology

www.raspberrypi.com

여기서 micro SD카드에 OS 세팅을 도와주는 Pi Imager를 다운로드 받고 설치한다.

적절한 세팅으로 다 선택하고

모두 Yes 하고 진행하면 된다.

사실 이 과정에서 세팅 변경을 통해서 wifi를 잡아줄 수 있는데 여기서는 usb cable이 연결된 상태에서 해본다.

다 세팅하면 zero에 sd card를 연결하고 usb cable을 연결한다.

power 부분말고 usb 부분에 연결한다.

그 다음 cmd 창을 연다

mac이면 terminal 열리는 뭐든 연다 (iterm이던 ghost던 기본 terminal)

아무 세팅 안하고 연결하면 ssh id가 pi고 @raspberrypi.local로 ssh 접속하면 된다.

ssh pi@raspberrypi.local

이런식으로 하면된다.

id 는 pi

pw는 raspberry

입력하면 접속이 된다.

terminal 접속이 되면 sudo raspi-conig 를 입력한다.

그러면

wifi 잡아야되니까 System Options 선택

S1 Wireless LAN 선택

들어가서 쭉 세팅해주면 된다.

그리고 나와서 ifconfig 해보면

이런식으로 연결되서 ip 세팅이 끝난걸 볼 수 있다.

사실 제일 좋은건

microSD card에 OS 설치할때 사전 세팅을 해버리는거다

설정 편집하기 누르고

이렇게 세팅한게 잘되면 자동으로 wifi 연결이 될거다.