J.Spin

Python Code 내에서 지정 torch.cuda.set_device(1) # 1번 GPU 사용 Python 코드 실행 시 지정 CUDA_VISIBLE_DEVICES=2,3 python my_script.py # 2, 3번 GPU 사용

COCO Dataset https://cocodataset.org/ instances_minival2014.json https://dl.dropboxusercontent.com/s/o43o90bna78omob/instances_minival2014.json.zip?dl=0 instances_valminusminival.json https://dl.dropboxusercontent.com/s/s3tw5zcg7395368/instances_valminusminival2014.json.zip?dl=0 혹은 http://datasets.d2.mpi-inf.mpg.de/hosang17cvpr/coco_minival2014.tar.gz COCO API def __init__ # coco 불러오기 및 Annotati..

Pytorch Tensor 자료형을 .npy 로 저장하고, 불러오고, Tensor로 다시 변형하는 아래 과정을 모두 알아보자. Tensor -> numpy array -> np.save() -> .npy 파일 -> np.load() -> numpy array -> Tensor - Tensor를 numpy로 변형 # (3, 50, 50) 크기의 랜덤으로 초기화된 텐서 배열을 생성 a = torch.randn(3, 50, 50) ## a == torch.Size([3, 50, 50]) # Tensor -> numpy a_np = a.numpy() - 여기서 Tensor의 device type이 'cuda'라면 'cpu'로 바꿔주는 과정이 필요하다 b = torch.randn(3, 50, 50).to('cud..

각 CUDA 버전마다 안정적으로 지원하는 Pytrorch 버전이 있다. 나중에 에러로 해매는 것 보다 미리 확인하고 까는 것을 추천한다 :) CUDA 9.0 https://download.pytorch.org/whl/cu90/torch_stable.html CUDA 9.2 https://download.pytorch.org/whl/cu92/torch_stable.html CUDA 10.0 https://download.pytorch.org/whl/cu100/torch_stable.html CUDA 10.1 https://download.pytorch.org/whl/cu101/torch_stable.html 이런식으로 url을 수정하여 들어가보면 확인할 수 있음.

코드들을 돌리다 보면 make.sh를 실행시켜 레이어를 만드는 경우가 많다. docker로 환경을 받아 왔더라도 그래픽 카드 버전과 맞지 않는 경우 아래와 같은 에러를 내는 경우가 있다. "no kernel image is available for execution on the device..." make.sh 파일을 열어보면 arch=compute_52, code=sm_52 위와 같은 코드를 볼 수 있는데 이를 아래 사이트에서 자신이 사용하고 있는 그래픽카드에 맞춰 수정하자. https://developer.nvidia.com/cuda-gpus (보통 코드 전체 검색에서 'sm_' 라고 검색하면 대부분 나온다.) 예를들어 RTX2080을 사용하고 있다면 compute_75, sm_75로, Gtx 108..

https://pytorch.org/get-started/previous-versions/ 위 링크를 통해 설치 가능. 단, Windows는 0.4.1 이후 버전만 제공하고, Cuda 버전과 맞지 않을 시, 에러가 발생할 수 있다. Docker 쓰는게 젤 편하다 ^^..