HanSeokhyeon.log HanSeokhyeon.log

Docker를 도입한지 시간이 흘렀고, 현재 가장 Low-level로 사용중이다. docker run ...으로 시작하는 명령어를 통해 컨테이너를 만들고 실행한다. 이제는 익숙해졌지만 사실 docker-compose라는 자동화된 패키지가 있는 것을 알고 있었다. 이번 기회에 한번 docker-compose를 사용하여 생산성을 높여볼까 한다. 0. Docker로 딥 러닝 하기 위한 준비 https://hanseokhyeon.tistory.com/entry/Docker-Pytorch-GPU로-딥-러닝-개발하기?category=854704 Docker + Pytorch + GPU로 딥 러닝 개발하기 https://www.slideshare.net/MichaelDucy/the-future-of-everythin..

https://www.slideshare.net/MichaelDucy/the-future-of-everything-37344357 The Future of Everything The Future of Everything www.slideshare.net Docker의 중요성을 알려주는 슬라이드다. 한 번 감상해보자. 혼자 개발하고 연구할 때는 Docker의 필요성과 중요성을 느끼지 못한다. 하지만 점점 많은 소프트웨어가 도커라이징되가며 DevOps가 발달해간다. 개발, 도입, 운영을 모두 같은 환경에서 할 수 있다는 것이 바로 Docker의 장점이고 도입해야하는 이유다. 나는 Kubernetes와 Kubeflow에 관심 있는 딥 러닝 개발자로서 Docker를 먼저 공부하기 시작했다. 설치부터 run까지 ..

이젠 더이상 피할 수 없다. 도커를 이용해 딥러닝해보자. 1. Nvidia pytorch image pull docker pull nvcr.io/nvidia/pytorch:19.09-py3 와이파이로 해서 그런가 매우 오래걸렸다. docker images output: REPOSITORY TAG IMAGE ID CREATED SIZE nvcr.io/nvidia/pytorch 19.09-py3 9d6f9ccfbe31 2 months ago 9.15GB 9.15GB... 오래 걸린 이유가 있었다. 2. Run 돌려보자. docker run -i -t --name pytorch nvcr.io/nvidia/pytorch:19.09-py3 /bin/bash 터미널을 켜봤다. ============= == PyTo..

torch.contiguous()에 대해 알아보자. 1. PyTorch documentation Returns a contiguous tensor containing the same data as self tensor. If self tensor is contiguous, this function returns the self tensor. 라는데... 그러면 contiguous tensor가 먼데...? 구글링을 시작했다. 2. Stack overflow 글 There are few operations on Tensor in PyTorch that do not really change the content of the tensor, but only how to convert indices in to t..

PyTorch 코드를 구경하다보면 종종 nn.Sequential 함수가 보인다. 그래서 알아보았다. 1. 그냥 구현 class CNN(nn.Module): def __init__(): super(CNN, self).__init__(): self.conv1 = nn.Conv2d(1, 32, kernel_size=(41, 11), stride=(2, 2), padding=(20, 5)) self.conv2 = nn.Conv2d(32, 32, kernel_size=(21, 11), stride=(2, 1), padding=(10, 5)) self.bn = nn.BatchNorm2d(32) self.act = nn.Hardtanh(0, 20, inplace=True), def forward(self, x): x..