| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- InstructPix2Pix
- AI Security
- 논문분석
- 기능과 역할
- Object Detection Dataset 생성
- 크롤링
- Custom Animation
- TensorFlow Object Detection Error
- 객체 탐지
- 리눅스 빌드
- TensorFlow Object Detection API install
- DOTA dataset
- paper review
- Towards Deep Learning Models Resistant to Adversarial Attacks
- 개발흐름
- VOC 변환
- 커스텀 애니메이션 적용
- object detection
- Git
- Carla
- CARLA simulator
- 사회초년생 추천독서
- 논문 분석
- TensorFlow Object Detection Model Build
- Branch 활용 개발
- TensorFlow Object Detection 사용예시
- Docker
- DACON
- Linux build
- Paper Analysis
- Today
- Total
목록Docker (2)
JSP's Deep learning
1. Dockerfile 다운로드 git clone https://gitlab.com/nvidia/container-images/vulkan.git 2. 이미지 빌드 docker build --pull -t \ nvidia/vulkan:1.3-470 \ --build-arg BASE_DIST=ubuntu20.04 \ --build-arg CUDA_VERSION=11.4.2 \ --build-arg VULKAN_SDK_VERSION=`curl -sk https://vulkan.lunarg.com/sdk/latest/linux.txt` \ --file docker/Dockerfile.ubuntu . 3. 컨테이너 생성 docker run -itd --gpus all --name test -e NVIDIA_D..
더보기 1. Docker 설치 및 NVIDIA 관련 설치가 완료되었다고 가정한다. 2. 환경 구축은 Linux 서버 상에서 Docker을 사용하여 진행된다. 3. GPU을 사용하는 환경이라고 가정한다. 1. Docker 이미지 다운로드 docker pull pytorch/pytorch 2. PyTorch 컨테이너 생성 docker run -itd --name pytorch_study --gpus '"device=1"' -p 8888:8888 -p 8889:8889 pytorch/pytorch 8888 및 8889 2개의 포트를 열었다. GPU가 여러 개이기 때문에 1개의 GPU만을 지정하였다. 3. PyTorch 컨테이너 접속 docker exec -it [컨테이너ID] bash 4. ..