반응형 분류 전체보기119 딥러닝 환경을 구축하며..관련 트러블 슈팅 [ongoing] [1] module 'tensorflow.compat.v2' has no attribute '_internal'https://github.com/fizyr/keras-retinanet/issues/1538 [2] plotlly 라이브러리 그래프가 보이지 않을 때 https://dschloe.github.io/python/2023/08/google_colab_plotly_not_showing/ 2024. 6. 11. 로컬 GPU 코랩에 연결하기 (Jupyter notebook) 1. Conda 또는 Local에서 jupyter notebook 실행하기 jupyter notebook --NotebookApp.allow_origin='https://colab.research.google.com' --port=8888 --NotebookApp.port_retries=0위 사진의 URL 복사 2. Colab 열기 Connect !! 정상적으로 연결되었음 2024. 6. 10. 윈도우10에 딥러닝 환경 구축의 모든 것.. 이고 싶어요(tensorflow, GPU, CUDA, cudnn) 내 환경Window 10GPU : GTX 1060 6GB 목차1. 아나콘다 환경 생성2. Nvidia driver 설치 (생략)3. CUDA Toolkit 설치4. Cudnn5. 테스트 1. Anaconda 환경 생성 및 패키지 설치conda create -n 가상환경이름 python=3.6conda activate 가상환경이름#패키지 설치pip install tensorflow==2.2.0pip install tensorflow-gpu==2.2.0pip install pandas matplotlib seaborn scipypip install keras==2.2.4 2. CUDA Toolkit 설치필자는 11.2를 설치했음 -> 10.1로 변경https://developer.nvidia.com/cud.. 2024. 6. 10. 확률적 경사하강법(SGD), 최적화 확률적 경사하강법(SGD)Preview이전의 배운 경사하강법은 전체 데이터를 모두 사용하여 기울기를 계산 → 많은 시간 필요이러한 단점을 보완하기 위해 확률적 경사하강법 사용 (데이터를 랜덤 샘플링하여 계산GD파라미터를 업데이트하기 위해 전체 데이터셋을 모델에 통과시키고손실 값을 가중치 파라미터로 미분하여 파라미터 업데이트→ 비효율적 (메모리 한계, 학습 속도 문제)SGD전체 데이터셋에서 랜덤 샘플링하여 모델에 통과시켜 손실값 계산→ 파라미터 업데이트비복원 추출전체 데이터셋의 샘플들이 전부 모델의 통과하는 것 : 에포크한 개의 미니배치를 모델에 통과 시키는 것 : 이터레이션아래 수식은 미니배치 크기를 k라고 할 때 이터레이션, 에포크 횟수, 관계 (데이터 크키 N)미니배치는 전체 데이터셋에서 랜덤 샘플링.. 2024. 5. 10. 이전 1 2 3 4 5 6 7 ··· 30 다음 반응형
