기록소 기록소

통상 다른 분들 포스팅을 보고 오셨다고 한다면 automatic upload를 통해 업데이트를 자동으로 해놓았을 가능성이 크다. 그런데 파일을 생성하는 코드를 이용했고, 그것을 통해 학습 pth 파일이나 ckpt 파일을 찾아보려고 해도, 어째서인지 파이참에는 자동으로 동기화가 되어있지 않았다. 찾아보니 Upload and download files - Help | PyCharm www.jetbrains.com 여기에 이런 내용이 있더라. Tools -> Deployment -> Download from defalut Server 그래서 버튼 위치를 찾아보니 빨간색의 버튼을 누르면 파일들이 쭈욱 다운이 된다.

이게 무슨 조화인가 싶지만, 파이참으로 서버와 로컬 환경을 연결시키는 과정에서 디폴트 값은 /tmp/pycharm_project_xxx 이런 식?으로 되어있다. 근데 서버와 동기화가 잘 안되는 느낌이다. 아까 전 명령을 내린 것과 지금 명령을 내린게 시간차이가 꽤 크게 적용된다. 물론 서버-내 컴퓨터-파이참 콘솔이라는 단계를 거치긴 하지만, 왜 아까 명령을 내려놓은 건 적용이 안되다가 지금 해놓은 것은 또 적용이 되는건지.... 그리고 mapping을 해두면서 local과 remote(파이참에선 서버를 이렇게 부르더라)가 자동 동기화를 해놓게 해놨는데 세팅을 몇번 변경하려고 인터프리터를 다시 생성하다보니 밀려서 파일이 동기화되는 기분이다. A 인터프리터 생성 - A 위치에 동기화

음, 포스팅을 하면서도 솔직히 완전히 이해는 하지 못했다. 이런 포스팅의 중요한 점은 배운 걸 까먹기 전에 정리하는 것이 목적이기 때문에; 간단히 말하자면 현재 서버에는 파이썬과 파이토치 같은 언어와 api들만 다운을 받아놓은 상태고 로컬에는 그동안 내가 작업한 model.py 같은 파이썬 파일과 기타 데이터들이 잔뜩 있는 상태다. 그러면 서버에 연결을 했을 때, 서버에 있는 python으로 인터프리터를 설정하면 어떻게 되는건가. 물론 그동안 해봤던 경험상으론 서버에 있는 파이썬이 내 로컬에 있는 파일을 돌려준다-라고는 알고 있지만 그러면 내 로컬에서 있는 파일을 그대로 서버가 호출해서 돌려주는건지... 아니면 로컬에 있는 파일을 업로드 받아서 애가 돌리고 그 결과를 돌려건지... 뭐 알수가 있어야지. ..

전 포스팅에서는 우분투 재설치, cuda toolkit 설치, 환경 변수 설정까지 해보았다. 잘되니 기쁘지만, 할 것은 많고 안심하긴 이르다.. ^^ 즐거운 마음으로 파이썬 3.7.1 파이토치 1.6 을 설치해보자. 우선 파이썬부터 깔아보자. [Python]Ubuntu에 Python 3.7 설치하기! 1. Python 설치 전 라이브러리 설치하기 Ubuntu(또는 Putty)에서 터미널을 열어 아래의 코드를 입력합니다. 설치 중간 중간에 [ y | n ] 중에 고르라고 나오면 y를 타이핑하고 엔터를 해주시면 됩니다! $ s somjang.tistory.com 여기서 wget 부분이 있는 2번부터 따라해봤다. 일단 뭐 깔리긴 했는데, conda에서 문제가 발생한다. 콘다콘다해서 찾아보니까 얘는 내가 아는 ..

엎친데 덮친 격으로 집주인이 언제까지 있을꺼냐는 사실상 최후통첩이 떨어졌기 때문에, 삽질을 하더라도 일단 연구실에 있는 TITAN X를 살려보기로 결정했다. 그래서 어차피 물어봤자 모르는 우리 연구실은 제끼고... (랩장에게 물어봐도 서버 그래픽 카드가 뭐가 있는지 모르더라. 답을 못하니까 모르는거라고 하자 ^^...) 전공자도 모르고, 현업자인 지인도 모르고... 이쯤되면 내 인맥이 병신이가를 심각하게 고민할 쯤 컴퓨더 덕후들이 모인(?) 퀘이사존에 질문을 던졌더니 어떤 식으로 문제를 해결해야할지 알려주더라. 문제: 서버에서 파이토치 1.6이 안돌아감, 사유를 모름 해결방안 : 파이토치 1.6에 필요한 최소 쿠다버전 찾기 -> 해당 버전에 필요한 최소 드라이버 버전 찾기 ->찾은 드라이버 버전에 맞는 ..

본인이 쓰려고 하는 GPU는 어떻게 확인할 수 있을까? GCP -> IAM 및 관리자를 클릭해보면 하단 부분에 할당량이라고 있다. 이놈을 클릭하면 내가 지금 가지고 있는 할당량, 그리고 사용하고 있는 사용량이 주르륵 뜨게 되는데, 여기서 테이블 필터링란에 본인이 원하는 그래픽 카드를 입력해주면 된다. 나 같은 경우는 dafalut로 열려있는 V100을 빼고는 전부 잠겨있는데, 검색을 해보면 이렇게 나온다. 이번에는 V100을 확인해보자. 저놈의 한도를 풀려면, 할당량에서 해당 지역을 클릭하고, 그 지역과 관련된 사유를 구글에게 보내서 승인이 되어야만 답변이 온다. 근데 나는 왜 답변 안옴..? 그래서 디폴트로 설정된 저놈의 V100을 눈물을 흘리며 써보려고 하자... 이런 메세지가 뜬다. 그러면 아까 표..

들어가기 전 이 글은 딥러닝이 뭔지 잘 알지도 못하는 석사생이 자신의 무언가를 짜내어 해보자는 악바리로 작성되는 글입니다. 잘못된 사실 서술, 지적 등은 확인하나 비난은 일절 받지 않습니다. 0. 왜 구글 클라우드 플랫폼을 선정했는가? 구글이 제공하는 딥러닝 관련 프로젝트와 관련된 서비스는 크게 2개가 있다. 하나는 구글 클라우드 플랫폼, 다른 하나는 구글 코랩(풀 네임은 Google Colaboratory)이라고 불린다. 이 2개의 구글 서비스는 우선적으로 어느정도 서비스를 무료로 제공하되, 일정량이 넘으면 결제해서 그 결제량을 소모하는 방향으로 서비스가 제공된다. 단, 내가 진행하는 딥러닝 코드는 운좋게도 GPU 중 V100이 달린 곳에서 잠깐 돌려볼 수 있었는데 약 학습에 이틀 정도가 걸렸다. (도..

말도 많고 탈도 많은 논문 작업 중 어느정도 베이스가 되는 코드 구현에 성공했고, 이후 captioning 부분을 분석하고 있다. 단, 이런 쪽으로 알려주는 사람도 없고 도와주는 사람도 1도 없는 대학원생인지라... 스트레스만 받고 있다. 연구실도 말만 데이터 관련이고... 컨셉만 잡고 입만 털어대는 연구실이라.. 다음번에 다루겠지만, 서로의 연구에 자극과 도움이 되는 공간과 사람을 만난다는 것은 그것만으로도 참 좋은 운이라고 생각한다. 물론 대부분의 국가 프로젝트를 따낸 후 본인의 사리사욕에 채우시는 교수들이 많은 이상, 그런 곳은 너무나도 드물다. 이 이야기는 우선 제쳐놓고, 해당 포스트와 이후 이어지는 [서버] 관련 포스트는 논문 작성을 위한 서버 구현에 대해 서술해보려고 한다. 참고한 포스트와 구..