본문 바로가기

인공지능57

[docker] docker GPU 설정 예전 글들을 보면 docker container에서 gpu 를 사용하기 위해서는 nvidia-docker를 새로 설치해야된다고 합니다. 하지만, docker 19.*.* 이후부터는 docker 자체에서도 gpu를 지원하게 되었습니다. 따라서 현 시점에서 접할 수 있는 대부분의 docker는 nvidia-docker의 설치 없이, nvidia-container-runtime의 설치와 docker 재실행만으로 gpu 인식 및 활용이 가능합니다. Prerequisites: docker (me: 20.10.20) nvidia-driver (nvidia-smi 입력 시, gpu 인식이 되어야 함, me: 470.63.01) 설정 방법 1. nvidia-container-runtime 설치 $ apt-get ins.. 2022. 10. 23.
[MLOps] minikube memory 설정하기 minikube start 시 option으로 cpus, memory 인자를 줘도, 실제 구동 시에는 이를 초과하여 사용하는 경우가 있다. 클러스터 구성 이전에 config 설정으로 이를 방지할 수 있음. # config cpus(코어 수) 설정 $ minikube config set cpus 40 # config memory 설정 $ minikube config set memory 150G # config 설정 확인 minikube config view ## 이후 클러스터 구성 $ minikube start -p ... # config 설정 정상 동작 확인 $ kubectl get node -o jsonpath='{.status.capacity}' 2022. 9. 20.
[docker] docker container에 opencv 설치하기 docker container에 opencv를 설치하였는데, import가 안되는 오류가 발생함. 알고보니, container에 설치를 위해서는 headless 패키지를 설치해주어야 함. # 설치 명령어 $ pip install opencv-python-headless 2022. 9. 19.
[MLOps] minikube, kubeflow 도커 이미지 삭제하는 방법 minikube를 사용하여 클러스터를 구축한 뒤, kubeflow pipeline을 구동하고 있는데, kubeflow component에서 사용하는 도커 이미지가 업데이트 되지 않는 상황이 발생함. docker image rm 으로 이미지를 제거해도 계속 업데이트가 안되었는데, 확인해보니 minikube에서 자체적으로 이미지를 저장하고 있었다. 이를 확인하고 없애는 방법은 다음과 같다. # minikube image 확인 $ minikube image ls # minikube image 삭제 $ minikube image rm [IMAGE NAME] 2022. 9. 19.
[ML, DL] Baseline Accuracy란? (기준 모델, 기준 정확도) 딥러닝, 머신러닝 모델을 현업에서 활용하다 보니, 모델의 성능이 낮은 경우도 있고 터무니 없이 높은 경우도 마주하게 된다. 만든 모델의 성능이 비록 수치상으로 100에 다다르지 못하더라도, 데이터에 비하면! 잘 만들었다는 설명을 어떻게 할 수 있을까 고민하게 되었다. 그러던 와중, 상사분께서 "분류 문제의 경우 데이터 비율이 80:20이면, 최소 80은 넘어야 된다"라는 말씀을 해주셨는데, 어딘가에는 근거가 있을 것 같아 서치하던 중 "Baseline Accuracy"라는 개념을 접하게 되어 내가 이해한 바를 정리해보려 한다. Baseline Accuracy (단순 번역: 기준 정확도) 기준 정확도는 말 그대로 기준이 되는 정확도이다. 위에서 내가 접한 문제처럼 딥러닝/ 머신러닝 모델이 잘 만들어진 것인.. 2022. 8. 30.
[CNN] XAI 구현하기 - (1) CAM 회사에서 프로젝트를 진행하면서, XAI(Explanable AI)의 도움이 필요한 일이 생겼다. GRAD-CAM, CAM 등 다양한 XAI 방법이 존재하고, 실제로 구현된 코드를 활용해 본 적도 있으나, 아키텍처가 베이스 아키텍처에서 많이 벗어나면서 활용에 문제가 발생했다. 이는 근본적으로 XAI의 알고리즘과 구동 원리를 명확히 알지 못함에서 비롯된 것이며, 이에 따라 구동 원리를 명확히 파악하고자 각각의 XAI 알고리즘의 유래와 원리, 구현까지 수행해보려 한다. 목적은 딥러닝 모델이 분류 문제 해결 시, 어떤 위치(ROI)에 주안점을 두고 문제를 해결하는지를 파악하여, 학습이 잘 되었는지, 왜 잘 안되었는지를 확인하고자 하는 것이다. 가장 처음 등장한 XAI인, CAM부터 알아보도록 하겠다. CAM 이.. 2022. 3. 7.

티스토리툴바