CURATING CURIOSITY

시도한 방향 해결된 내용을 작성하다 포기하고 서버에 접속해 텐서플로우를 사용하고 있다. 그냥 뭐 다른게 있을까 하고 anaconda를 설치하고 텐서플로우(Tensorflow)를 설치하려고 했는데 아직 지원을 안하는 문제가 있다. (2020년 3월 18일 현재) 인텔 CPU가 아니라 전용 칩을 쓰다보니 생기는 문제인데 이와 관련해서 anaconda 대신 conda패키지 포함된 miniforge3를 설치하고 conda init 명령을 통해 anaconda대신 m1 아키텍처에 맞는 conda를 사용하여 텐서플로우를 설치하는 방법을 고민 해보았다. 반복된 문제 문제는 설치하려는 whl파일들을 다운받아 설치를 시도하면 다음과 같은 메시지가 포함된 에러가 발생한다. not a supported wheel on th..

jupyter notebook에서 잘 동작하는 간단한 딥러닝 모델을 jupyter lab 상에서 학습(fit, fit_generator)코드를 실행시켰을 때 정상적으로 넘어가지 않고 다음과 같은 에러 메시지가 나타났다. InvalidArgumentError: device CUDA:0 not supported by XLA service while setting up XLA_GPU_JIT device number 0 검색해보니 CUDA_VISIBLE_DEVICES관련해서 학습코드가 할당된 GPU를 선택해주는 명령을 shell상에서 지정해주거나 코드상에서 지정하면 된다고 해결책을 제시하고 있다. 터미널 shell에서 다음과 같이 명령을 입력하면 된다. $ export CUDA_VISIBLE_DEVICES=0,..

라이브러리 임포트 from tensorflow.keras.callbacks import TensorBoard 텐서보드 시작 텐서보드를 시작하고 결과를 저장할 로그 디렉토리를 지정한다. tensorboard = TensorBoard(log_dir="logs/{}".format(NAME)) 학습과정에 연결하기 학습 과정 결과를 저장할 수 있도록 casllbacks=[tensorboard]를 추가한다. model.fit(X, y, batch_size=32, epochs=3, validation_split=0.3, callbacks=[tensorboard]) 실행하기 학습이 완료된 후 터미널 창에서 저장한 logs디렉토리로 들어가는 폴더가 보이는 위치로 이동하고 다음과 같이 텐서보드로 실행 결과를 볼 수 있도록..

TensorFlow 도커 이미지 TensorFlow 이미지 중 1.10.0버전을 설치했다. 이 버전의 좋은 점 중 하나는 keras가 기본 탑재가 되어 있다는 점으로 텐서플로우를 이용하는 프레임웍을 쉽게 사용할 수 있기 때문에 선택했다. 다음 명령어로 TensorFlow 1.10.0, GPU지원, Python 3이 탑재된 도커를 받아서 실행하였다. $ sudo nvidia-docker run -it -p 8888:8888 -p 6006:6006 -v $(pwd):/workspace tensorflow/tensorflow:1.10.0-gpu-py3 /bin/bash OpenCV 설치 여기에는 이미지 처리에 필요한 opencv라이브러리가 설치되어 있지 않으므로 도커 환경에서 즉 우분투 환경에서 opencv를..