J.Spin

tmux (Terminal Multiplexer) 설치 $ sudo apt install tmux tmux 명령어 tmux 새 세션 실행 $ tmux tmux 새 세션 이름 정해서 실행 $ tmux new -s 실행되고 있는 세션 확인 $ tmux ls 세션에 Attach $ tmux attach 특정 세션에 Attach $ tmux attach -t 특정 세션 종료 $ tmux kill-session -t ctrl+b 명령어 tmux이 실행되고 있는 세션에서는 특이하게 ctrl+b로 명령어를 입력함. 동시에 입력하지 않고, 그냥 ctrl+b 를 입력한 후 해당 명령어의 key를 입력하면 명령이 실행 된다. ctrl + b , [key] 세션에서 detach (background에서 실행은 계속 됨) c..

우분투에서는 하드디스크(HDD)를 접근하기 위해서 추가적인 명령이 필요하다. 우선 하드디스크의 이름을 확인하자. $ fdisk -l 장착한 하드디스크와 맞는 이름의 하드를 확인하고, 마운트 시키자. 보통 /dev/sda, /dev/sdb ... 와 같은 이름을 가지고 있다. sda라고 가정하고, parted 방법을 사용하여 파티션을 만든다. $ sudo parted /dev/sda 터미널의 앞부분이 (parted)로 바뀌면, 아래 명령어를 입력. (parted) mklabel gpt (parted) unit TB (parted) mkpart primary 0.00TB 8.00TB (parted) print 8.00TB 는 자신의 하드디스크 만큼의 용량을 입력하면 된다. 더 많이 입력할 시, 다시 입력하라..

Multi-GPU가 설치된 서버에서 여러 사람과 협업을 하게 되면 GPU를 나눠 쓰는 경우가 종종 있다. 여러 대의 GPU중 몇 개만 선택, 할당하여 학습에 사용하고 싶다면 먼저 할당 되어 있는 (다른사람이 사용하고 있는) 혹은 사용하고 싶은 GPU의 번호를 확인하고 $ nvidia-smi 사용할 GPU 번호를 결정하고 트레이닝 코드를 돌릴 시 아래와 같이 수행하자 (GPU는 0번부터 시작) - GPU 2번만 사용하여 train.py 실행 $ CUDA_VISIBLE_DEVICES=2 python train.py - GPU 0, 1번을 사용하여 train.py 실행 $ CUDA_VISIBLE_DEVICES=0,1 python train.py 위 방법으로 다른 사람의 코드를 코드 수정 없이 자신의 GPU를 ..

외부 서버에 접속 할 때, 혹은 여러 상황에 GUI가 보이지 않는 상황에서 Ubuntu 버전을 확인하고 싶을 때가 있다. $ cat /etc/issue 그럼 아래와 같이 출력이 된다. Ubuntu 18.04.4 LTS \n \l

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.

현재 Mac에 연결은 되있는데 비밀번호가 생각이 안난다... 비밀번호를 알아내는 방법이 있다. Command + Space 후 키체인 접근 검색 오른쪽 위 검색창에 와이파이 이름 검색 검색해서 나온 와이파이 선택 후, 암호보기 체크박스 클릭, 암호 입력하여 비밀번호 확인! 이미 연결되어 있는 와이파이의 암호를 확인할 수 있다.

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..

numpy.clip(array, min, max) array 내의 element들에 대해서 min 값 보다 작은 값들을 min값으로 바꿔주고 max 값 보다 큰 값들을 max값으로 바꿔주는 함수. 예시 import numpy as np arr1 = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr2 = np.clip(arr1, 3, 7) print(arr2) # 결과 [ 3 3 3 3 4 5 6 7 7 7] 출처: https://www.geeksforgeeks.org/numpy-clip-in-python/