Machine Learning&Computer Vision CDLee

• Docker 란?

• Docker 설치 전

먼저 컴퓨터 하드웨어가 가상화를 지원해야만 가능합니다.

그래서 작업 관리자(ctrl + alt + del)에 진입 후 성능에 들어가서 가상화를 확인할 수 있습니다.

• Docker 설치

가상화가 사용이 가능하면 Docker 사용이 가능합니다..

이전에는 Docker Toolbox를 많이들 사용 했지만 현재는 사용이 불가능하기 때문에 Docker DeskTop for Windows을 사용해야 합니다. Docker 공식 홈페이지에서 가입 후 다운을 진행해주시면 됩니다.

Docker Desktop for Windows

다운 후 저와 같은 Error가 발생 할 수 있습니다.

다음과 같은 Error 가 나오게 되면 Linux 커널을 업데이트해주시면 됩니다.

• Tutorial 진행

설치가 완료 되면  Docker Desktop을 실행 후 Tutorial을 진행해주시면 됩니다.

그리고 CMD창에 아래를 입력하시면 버전을 확인할 수 있습니다.

• Image 다운로드

Docker에는 위에서 말한 것처럼 Image와 Container로 구성되어 있습니다.

그래서 Docker의  Image 목록을 찾기 위해서는 Docker hub을 통해서 목록을 찾을 수 있습니다.

그래서 작업관리자(ctrl + alt + del)에 진입 후 성능에 들어가서 가상화를 확인할 수 있습니그래서 작업 관리자(ctrl + alt + del)에 진입 후 성능에 들어가서 가상화를 확인할 수 있습니다.

예를 들어 Dokcer의 ubuntu Image을 다운 받고 싶으면 ubuntu 검색을 통해 사용할 수 있습니다.

또한 cmd 창에서도 아래의 명령어를 통해 검색이 가능합니다.

원하는 Image을 찾으셧다면 Image을 아래의 명령어로 다운로드하시면 됩니다.

그러면 다운로드가 완료된 Image을 확인할 수 있습니다

• Container 생성 및 실행

Image을 생성 했으면 해당 Image안에 여러 개의 Container 설치가 가능합니다.

아래의 명령어로 Container 생성이 가능합니다.

docker run -it --name 이름 Image이름 /bin/bash

위 명령어로 Container 확인이 가능합니다.

Container 시작 방법은 2가지로 첫번째 명령어, 두 번째 프로그램 내에서 가능합니다.

아래의 명령어로 진입이 가능합니다.

이상으로 Docker Desktop for Windows 사용법에 대해서 알아보았습니다.

다음에는 Nvidia Docker을 Linux에서 사용해서 포스팅 하겠습니다.

감사합니다.

Machine Learning & Deep Learing을 위해 CPU가 아닌 GPU로 학습시키기 위해서 GPU 환경 설정이 필요했다.

따라서 PyTorch에서 GPU로 학습 시키기 위한 환경 설정을 해주었다.

1. Nvidia Drvier Install

www.nvidia.co.kr/Download/index.aspx?lang=kr

해당 링크에 들어가면, 각자 그래픽카드에 맞는 Driver를 Install 할 수 있다.

다운로드 완료 후 cmd을 사용해 아래 코드를 입력하면 Nvidia Driver가 잘 다운되었는지 확인 할 수 있다.

CUDA가 다운로드 되어 있으면 CUDA Version도 확인 할 수 있다.

2. CUDA Install

CUDA Toolkit을 Install 하기 위해서 위에서 확인했던 GPU(NVIDIA-SMI 445.75)을 확인해야 한다.

그래서 나는 CUDA 11.0을 Install 했다.

아래의 링크에서 Install 가능하다.

developer.nvidia.com/cuda-11.0-download-archive?target_os=Windows&target_arch=x86_64

3. cuDNN Install

developer.nvidia.com/rdp/cudnn-archive

위 링크를 통해 cuDNN을 Install 할 수 있다.

4. 환경변수 설정

2번에서 CUDA를 Install 했다면

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

아래와 같이 CUDA가 Install 되는데 이 파일들을 cuDNN 경로에 이동시킨다.

환경 변수 편집에 들어가서 PATH에 들어가서 편집을 진행하면 된다.

위 그림과 같이 복사를 해 3개를 모두 추가하면 된다.

참고자료

1. wordbe.tistory.com/entry/Windows-tensorflow-GPU-%EC%84%A4%EC%B9%98

1. Anaconda Install

www.anaconda.com/products/individual

Python Version에 맞는 Anaconda를 다운로드한다.

2. 가상 환경 생성 후 Anaconda에 PyTorch Install

2.1 가상 환경 생성

Anaconda Prompt를 실행시킨 후

위 코드를 입력하면 Conda PyTorch라는 가상 환경을 만들어 준다. 

-n 뒤에는 가상환경의 이름을 적어주고 Python Version을 3.7.1로 설정했다.

2.1.1 가상환경 복사

2.2 가상환경 진입

위 코드를 입려하여 가상 환경으로 진입하여 준다.

2.3 가상환경 내 PyTorch 설치

pytorch.org/

위 사이트에 들어가 컴퓨터 환경에 맞춰 설정해주면 아래의 Command를 입력하면 된다.

3. Jupyter에 등록

위 코드를 입력 한후 아래의 코드를 입력하여 가상 환경을 빠져나온다.

이제 JupterLab을 사용하여 확인하면 된다.

4. Jupyter Lab 실행 파일 만들기

위 코드를 cmd에 입력하여 설치할 수 있다.

그 후 검색을 통해 JupyterLab 파일을 찾아서 바탕화면이나 시작화면에 고정후 사용하면 된다.

만약 실행이 되지 않으면 환경 변수에 다음과 같이 추가를 해주면 된다.

참고자료

1. jsyoo94.tistory.com/12