텐서보드 코드 분리, 자동 미분 코드 분리,
This commit is contained in:
rickiepark
@@ -1414,51 +1414,23 @@
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"# 그래프 시각화\n",
|
||||
"## 쥬피터에서"
|
||||
"## 쥬피터 노트북안에서"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"주피터 노트북에서 그래프를 나타내기 위해 https://tensorboard.appspot.com/ 에 서비스 중인 텐서보드 서버를 사용하겠습니다(즉, 인터넷 연결이 안되면 작동되지 않습니다). 제가 아는 한 이 코드는 Alex Mordvintsev가 [딥드림 튜토리얼](https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/deepdream/deepdream.ipynb)에서 처음 사용했습니다. 또는 [tfgraphviz](https://github.com/akimach/tfgraphviz)를 사용할 수도 있습니다."
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 58,
|
||||
"execution_count": null,
|
||||
"metadata": {},
|
||||
"outputs": [],
|
||||
"source": [
|
||||
"from IPython.display import clear_output, Image, display, HTML\n",
|
||||
"\n",
|
||||
"def strip_consts(graph_def, max_const_size=32):\n",
|
||||
" \"\"\"graph_def에서 큰 상수 값은 제외시킵니다.\"\"\"\n",
|
||||
" strip_def = tf.GraphDef()\n",
|
||||
" for n0 in graph_def.node:\n",
|
||||
" n = strip_def.node.add() \n",
|
||||
" n.MergeFrom(n0)\n",
|
||||
" if n.op == 'Const':\n",
|
||||
" tensor = n.attr['value'].tensor\n",
|
||||
" size = len(tensor.tensor_content)\n",
|
||||
" if size > max_const_size:\n",
|
||||
" tensor.tensor_content = b\"<stripped %d bytes>\"%size\n",
|
||||
" return strip_def\n",
|
||||
"\n",
|
||||
"def show_graph(graph_def, max_const_size=32):\n",
|
||||
" \"\"\"텐서플로 그래프 나타내기\"\"\"\n",
|
||||
" if hasattr(graph_def, 'as_graph_def'):\n",
|
||||
" graph_def = graph_def.as_graph_def()\n",
|
||||
" strip_def = strip_consts(graph_def, max_const_size=max_const_size)\n",
|
||||
" code = \"\"\"\n",
|
||||
" <script>\n",
|
||||
" function load() {{\n",
|
||||
" document.getElementById(\"{id}\").pbtxt = {data};\n",
|
||||
" }}\n",
|
||||
" </script>\n",
|
||||
" <link rel=\"import\" href=\"https://tensorboard.appspot.com/tf-graph-basic.build.html\" onload=load()>\n",
|
||||
" <div style=\"height:600px\">\n",
|
||||
" <tf-graph-basic id=\"{id}\"></tf-graph-basic>\n",
|
||||
" </div>\n",
|
||||
" \"\"\".format(data=repr(str(strip_def)), id='graph'+str(np.random.rand()))\n",
|
||||
"\n",
|
||||
" iframe = \"\"\"\n",
|
||||
" <iframe seamless style=\"width:1200px;height:620px;border:0\" srcdoc=\"{}\"></iframe>\n",
|
||||
" \"\"\".format(code.replace('\"', '"'))\n",
|
||||
" display(HTML(iframe))"
|
||||
"from tensorflow_graph_in_jupyter import show_graph"
|
||||
]
|
||||
},
|
||||
{
|
||||
@@ -2192,469 +2164,14 @@
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"## 자작 계산 그래프 구현하기"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 92,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"name": "stdout",
|
||||
"output_type": "stream",
|
||||
"text": [
|
||||
"f(x,y) = ((x) * (x)) * (y) + y + 2\n",
|
||||
"f(3,4) = 42\n"
|
||||
]
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"class Const(object):\n",
|
||||
" def __init__(self, value):\n",
|
||||
" self.value = value\n",
|
||||
" def evaluate(self):\n",
|
||||
" return self.value\n",
|
||||
" def __str__(self):\n",
|
||||
" return str(self.value)\n",
|
||||
"\n",
|
||||
"class Var(object):\n",
|
||||
" def __init__(self, init_value, name):\n",
|
||||
" self.value = init_value\n",
|
||||
" self.name = name\n",
|
||||
" def evaluate(self):\n",
|
||||
" return self.value\n",
|
||||
" def __str__(self):\n",
|
||||
" return self.name\n",
|
||||
"\n",
|
||||
"class BinaryOperator(object):\n",
|
||||
" def __init__(self, a, b):\n",
|
||||
" self.a = a\n",
|
||||
" self.b = b\n",
|
||||
"\n",
|
||||
"class Add(BinaryOperator):\n",
|
||||
" def evaluate(self):\n",
|
||||
" return self.a.evaluate() + self.b.evaluate()\n",
|
||||
" def __str__(self):\n",
|
||||
" return \"{} + {}\".format(self.a, self.b)\n",
|
||||
"\n",
|
||||
"class Mul(BinaryOperator):\n",
|
||||
" def evaluate(self):\n",
|
||||
" return self.a.evaluate() * self.b.evaluate()\n",
|
||||
" def __str__(self):\n",
|
||||
" return \"({}) * ({})\".format(self.a, self.b)\n",
|
||||
"\n",
|
||||
"x = Var(3, name=\"x\")\n",
|
||||
"y = Var(4, name=\"y\")\n",
|
||||
"f = Add(Mul(Mul(x, x), y), Add(y, Const(2))) # f(x,y) = x²y + y + 2\n",
|
||||
"print(\"f(x,y) =\", f)\n",
|
||||
"print(\"f(3,4) =\", f.evaluate())"
|
||||
"## Autodiff"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"## 그래디언트 계산\n",
|
||||
"### 수동 미분"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 93,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"name": "stdout",
|
||||
"output_type": "stream",
|
||||
"text": [
|
||||
"df/dx(3,4) = 24\n",
|
||||
"df/dy(3,4) = 10\n"
|
||||
]
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"df_dx = Mul(Const(2), Mul(x, y)) # df/dx = 2xy\n",
|
||||
"df_dy = Add(Mul(x, x), Const(1)) # df/dy = x² + 1\n",
|
||||
"print(\"df/dx(3,4) =\", df_dx.evaluate())\n",
|
||||
"print(\"df/dy(3,4) =\", df_dy.evaluate())"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### 수치 미분"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 94,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"name": "stdout",
|
||||
"output_type": "stream",
|
||||
"text": [
|
||||
"df/dx(3,4) = 24.000400000048216\n",
|
||||
"df/dy(3,4) = 10.000000000047748\n"
|
||||
]
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"def gradients(func, vars_list, eps=0.0001):\n",
|
||||
" partial_derivatives = []\n",
|
||||
" base_func_eval = func.evaluate()\n",
|
||||
" for var in vars_list:\n",
|
||||
" original_value = var.value\n",
|
||||
" var.value = var.value + eps\n",
|
||||
" tweaked_func_eval = func.evaluate()\n",
|
||||
" var.value = original_value\n",
|
||||
" derivative = (tweaked_func_eval - base_func_eval) / eps\n",
|
||||
" partial_derivatives.append(derivative)\n",
|
||||
" return partial_derivatives\n",
|
||||
"\n",
|
||||
"df_dx, df_dy = gradients(f, [x, y])\n",
|
||||
"print(\"df/dx(3,4) =\", df_dx)\n",
|
||||
"print(\"df/dy(3,4) =\", df_dy)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### 기호 미분"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 95,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"name": "stdout",
|
||||
"output_type": "stream",
|
||||
"text": [
|
||||
"df/dx(3,4) = 24.0\n",
|
||||
"df/dy(3,4) = 10.0\n"
|
||||
]
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"Const.derive = lambda self, var: Const(0)\n",
|
||||
"Var.derive = lambda self, var: Const(1) if self is var else Const(0)\n",
|
||||
"Add.derive = lambda self, var: Add(self.a.derive(var), self.b.derive(var))\n",
|
||||
"Mul.derive = lambda self, var: Add(Mul(self.a, self.b.derive(var)), Mul(self.a.derive(var), self.b))\n",
|
||||
"\n",
|
||||
"x = Var(3.0, name=\"x\")\n",
|
||||
"y = Var(4.0, name=\"y\")\n",
|
||||
"f = Add(Mul(Mul(x, x), y), Add(y, Const(2))) # f(x,y) = x²y + y + 2\n",
|
||||
"\n",
|
||||
"df_dx = f.derive(x) # 2xy\n",
|
||||
"df_dy = f.derive(y) # x² + 1\n",
|
||||
"print(\"df/dx(3,4) =\", df_dx.evaluate())\n",
|
||||
"print(\"df/dy(3,4) =\", df_dy.evaluate())"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### 자동 미분 (autodiff) – 전진 방식"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 96,
|
||||
"metadata": {},
|
||||
"outputs": [],
|
||||
"source": [
|
||||
"class DualNumber(object):\n",
|
||||
" def __init__(self, value=0.0, eps=0.0):\n",
|
||||
" self.value = value\n",
|
||||
" self.eps = eps\n",
|
||||
" def __add__(self, b):\n",
|
||||
" return DualNumber(self.value + self.to_dual(b).value,\n",
|
||||
" self.eps + self.to_dual(b).eps)\n",
|
||||
" def __radd__(self, a):\n",
|
||||
" return self.to_dual(a).__add__(self)\n",
|
||||
" def __mul__(self, b):\n",
|
||||
" return DualNumber(self.value * self.to_dual(b).value,\n",
|
||||
" self.eps * self.to_dual(b).value + self.value * self.to_dual(b).eps)\n",
|
||||
" def __rmul__(self, a):\n",
|
||||
" return self.to_dual(a).__mul__(self)\n",
|
||||
" def __str__(self):\n",
|
||||
" if self.eps:\n",
|
||||
" return \"{:.1f} + {:.1f}ε\".format(self.value, self.eps)\n",
|
||||
" else:\n",
|
||||
" return \"{:.1f}\".format(self.value)\n",
|
||||
" def __repr__(self):\n",
|
||||
" return str(self)\n",
|
||||
" @classmethod\n",
|
||||
" def to_dual(cls, n):\n",
|
||||
" if hasattr(n, \"value\"):\n",
|
||||
" return n\n",
|
||||
" else:\n",
|
||||
" return cls(n)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"$3 + (3 + 4 \\epsilon) = 6 + 4\\epsilon$"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 97,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"6.0 + 4.0ε"
|
||||
]
|
||||
},
|
||||
"execution_count": 97,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"3 + DualNumber(3, 4)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"$(3 + 4ε)\\times(5 + 7ε) = 3 \\times 5 + 3 \\times 7ε + 4ε \\times 5 + 4ε \\times 7ε = 15 + 21ε + 20ε + 28ε^2 = 15 + 41ε + 28 \\times 0 = 15 + 41ε$"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 98,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"15.0 + 41.0ε"
|
||||
]
|
||||
},
|
||||
"execution_count": 98,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"DualNumber(3, 4) * DualNumber(5, 7)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 99,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"42.0"
|
||||
]
|
||||
},
|
||||
"execution_count": 99,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"x.value = DualNumber(3.0)\n",
|
||||
"y.value = DualNumber(4.0)\n",
|
||||
"\n",
|
||||
"f.evaluate()"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 100,
|
||||
"metadata": {},
|
||||
"outputs": [],
|
||||
"source": [
|
||||
"x.value = DualNumber(3.0, 1.0) # 3 + ε\n",
|
||||
"y.value = DualNumber(4.0) # 4\n",
|
||||
"\n",
|
||||
"df_dx = f.evaluate().eps\n",
|
||||
"\n",
|
||||
"x.value = DualNumber(3.0) # 3\n",
|
||||
"y.value = DualNumber(4.0, 1.0) # 4 + ε\n",
|
||||
"\n",
|
||||
"df_dy = f.evaluate().eps"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 101,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"24.0"
|
||||
]
|
||||
},
|
||||
"execution_count": 101,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"df_dx"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 102,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"10.0"
|
||||
]
|
||||
},
|
||||
"execution_count": 102,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"df_dy"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### 자동 미분 – 후진 방식"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 103,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"name": "stdout",
|
||||
"output_type": "stream",
|
||||
"text": [
|
||||
"f(x,y) = ((x) * (x)) * (y) + y + 2\n",
|
||||
"f(3,4) = 42\n",
|
||||
"df_dx = 24.0\n",
|
||||
"df_dy = 10.0\n"
|
||||
]
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"class Const(object):\n",
|
||||
" def __init__(self, value):\n",
|
||||
" self.value = value\n",
|
||||
" def evaluate(self):\n",
|
||||
" return self.value\n",
|
||||
" def backpropagate(self, gradient):\n",
|
||||
" pass\n",
|
||||
" def __str__(self):\n",
|
||||
" return str(self.value)\n",
|
||||
"\n",
|
||||
"class Var(object):\n",
|
||||
" def __init__(self, init_value, name):\n",
|
||||
" self.value = init_value\n",
|
||||
" self.name = name\n",
|
||||
" self.gradient = 0\n",
|
||||
" def evaluate(self):\n",
|
||||
" return self.value\n",
|
||||
" def backpropagate(self, gradient):\n",
|
||||
" self.gradient += gradient\n",
|
||||
" def __str__(self):\n",
|
||||
" return self.name\n",
|
||||
"\n",
|
||||
"class BinaryOperator(object):\n",
|
||||
" def __init__(self, a, b):\n",
|
||||
" self.a = a\n",
|
||||
" self.b = b\n",
|
||||
"\n",
|
||||
"class Add(BinaryOperator):\n",
|
||||
" def evaluate(self):\n",
|
||||
" self.value = self.a.evaluate() + self.b.evaluate()\n",
|
||||
" return self.value\n",
|
||||
" def backpropagate(self, gradient):\n",
|
||||
" self.a.backpropagate(gradient)\n",
|
||||
" self.b.backpropagate(gradient)\n",
|
||||
" def __str__(self):\n",
|
||||
" return \"{} + {}\".format(self.a, self.b)\n",
|
||||
"\n",
|
||||
"class Mul(BinaryOperator):\n",
|
||||
" def evaluate(self):\n",
|
||||
" self.value = self.a.evaluate() * self.b.evaluate()\n",
|
||||
" return self.value\n",
|
||||
" def backpropagate(self, gradient):\n",
|
||||
" self.a.backpropagate(gradient * self.b.value)\n",
|
||||
" self.b.backpropagate(gradient * self.a.value)\n",
|
||||
" def __str__(self):\n",
|
||||
" return \"({}) * ({})\".format(self.a, self.b)\n",
|
||||
"\n",
|
||||
"x = Var(3, name=\"x\")\n",
|
||||
"y = Var(4, name=\"y\")\n",
|
||||
"f = Add(Mul(Mul(x, x), y), Add(y, Const(2))) # f(x,y) = x²y + y + 2\n",
|
||||
"\n",
|
||||
"result = f.evaluate()\n",
|
||||
"f.backpropagate(1.0)\n",
|
||||
"\n",
|
||||
"print(\"f(x,y) =\", f)\n",
|
||||
"print(\"f(3,4) =\", result)\n",
|
||||
"print(\"df_dx =\", x.gradient)\n",
|
||||
"print(\"df_dy =\", y.gradient)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"### 자동 미분 – 후진 모드 (텐서플로를 사용해서)"
|
||||
]
|
||||
},
|
||||
{
|
||||
"cell_type": "code",
|
||||
"execution_count": 104,
|
||||
"metadata": {},
|
||||
"outputs": [
|
||||
{
|
||||
"data": {
|
||||
"text/plain": [
|
||||
"(42.0, [24.0, 10.0])"
|
||||
]
|
||||
},
|
||||
"execution_count": 104,
|
||||
"metadata": {},
|
||||
"output_type": "execute_result"
|
||||
}
|
||||
],
|
||||
"source": [
|
||||
"reset_graph()\n",
|
||||
"\n",
|
||||
"x = tf.Variable(3., name=\"x\")\n",
|
||||
"y = tf.Variable(4., name=\"y\")\n",
|
||||
"f = x*x*y + y + 2\n",
|
||||
"\n",
|
||||
"gradients = tf.gradients(f, [x, y])\n",
|
||||
"\n",
|
||||
"init = tf.global_variables_initializer()\n",
|
||||
"\n",
|
||||
"with tf.Session() as sess:\n",
|
||||
" init.run()\n",
|
||||
" f_val, gradients_val = sess.run([f, gradients])\n",
|
||||
"\n",
|
||||
"f_val, gradients_val"
|
||||
"노트: 자동 미분 내용은 [extra_autodiff.ipynb](extra_autodiff.ipynb) 노트북으로 옮겨졌습니다."
|
||||
]
|
||||
},
|
||||
{
|
||||
|
||||
1156
extra_autodiff.ipynb
Normal file
1156
extra_autodiff.ipynb
Normal file
File diff suppressed because it is too large
Load Diff
50
tensorflow_graph_in_jupyter.py
Normal file
50
tensorflow_graph_in_jupyter.py
Normal file
@@ -0,0 +1,50 @@
|
||||
from __future__ import absolute_import, division, print_function, unicode_literals
|
||||
|
||||
# This module defines the show_graph() function to visualize a TensorFlow graph within Jupyter.
|
||||
|
||||
# As far as I can tell, this code was originally written by Alex Mordvintsev at:
|
||||
# https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/deepdream/deepdream.ipynb
|
||||
|
||||
# The original code only worked on Chrome (because of the use of <link rel="import"...>, but the version below
|
||||
# uses Polyfill (copied from this StackOverflow answer: https://stackoverflow.com/a/41463991/38626)
|
||||
# so that it can work on other browsers as well.
|
||||
|
||||
import numpy as np
|
||||
import tensorflow as tf
|
||||
from IPython.display import clear_output, Image, display, HTML
|
||||
|
||||
def strip_consts(graph_def, max_const_size=32):
|
||||
"""Strip large constant values from graph_def."""
|
||||
strip_def = tf.GraphDef()
|
||||
for n0 in graph_def.node:
|
||||
n = strip_def.node.add()
|
||||
n.MergeFrom(n0)
|
||||
if n.op == 'Const':
|
||||
tensor = n.attr['value'].tensor
|
||||
size = len(tensor.tensor_content)
|
||||
if size > max_const_size:
|
||||
tensor.tensor_content = b"<stripped %d bytes>"%size
|
||||
return strip_def
|
||||
|
||||
def show_graph(graph_def, max_const_size=32):
|
||||
"""Visualize TensorFlow graph."""
|
||||
if hasattr(graph_def, 'as_graph_def'):
|
||||
graph_def = graph_def.as_graph_def()
|
||||
strip_def = strip_consts(graph_def, max_const_size=max_const_size)
|
||||
code = """
|
||||
<script src="//cdnjs.cloudflare.com/ajax/libs/polymer/0.3.3/platform.js"></script>
|
||||
<script>
|
||||
function load() {{
|
||||
document.getElementById("{id}").pbtxt = {data};
|
||||
}}
|
||||
</script>
|
||||
<link rel="import" href="https://tensorboard.appspot.com/tf-graph-basic.build.html" onload=load()>
|
||||
<div style="height:600px">
|
||||
<tf-graph-basic id="{id}"></tf-graph-basic>
|
||||
</div>
|
||||
""".format(data=repr(str(strip_def)), id='graph'+str(np.random.rand()))
|
||||
|
||||
iframe = """
|
||||
<iframe seamless style="width:1200px;height:620px;border:0" srcdoc="{}"></iframe>
|
||||
""".format(code.replace('"', '"'))
|
||||
display(HTML(iframe))
|
||||
Reference in New Issue
Block a user