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 |
Tags
- TensorFlow Object Detection Error
- Docker
- VOC 변환
- 리눅스 빌드
- TensorFlow Object Detection 사용예시
- CARLA simulator
- Branch 활용 개발
- Linux build
- Towards Deep Learning Models Resistant to Adversarial Attacks
- 논문 분석
- Object Detection Dataset 생성
- 객체 탐지
- object detection
- DOTA dataset
- Git
- AI Security
- InstructPix2Pix
- TensorFlow Object Detection Model Build
- paper review
- 크롤링
- DACON
- 기능과 역할
- TensorFlow Object Detection API install
- 사회초년생 추천독서
- 커스텀 애니메이션 적용
- 논문분석
- Custom Animation
- Paper Analysis
- Carla
- 개발흐름
Archives
- Today
- Total
JSP's Deep learning
[Docker] PyTorch 환경 구축 본문
< 기본 설정 >
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. 필요 패키지 설치
설치는 Conda install로 진행한다.
(패키지 충돌을 방지하기 위함)
1. Jupyter notebook
conda install jupyter
5. Jupyter Notebook 실행(백그라운드)
nohup jupyter notebook --ip=0.0.0.0 --port=8888 --allow-root --NotebookApp.token='' &
Comments