Arc Lab.'s Blog

[업데이트 2018.11.02 11:10] Tsinghua-Tencent 100K Benchmark 사용 방법에 대한 내용을 아래의 GitHub에 정리하였습니다. - GitHub : https://github.com/asyncbridge/tsinghua-tencent-100k * 참고[1] https://github.com/asyncbridge/tsinghua-tencent-100k

[업데이트 208.11.02 17:49] Caffe에서 로그를 확인하기 위한 방법입니다. Caffe C++ 코드내에 GLog의 경우는 별도로 생성되는 GLog를 통해 확인 할 수 있습니다. (GLog post) ./build/tools/caffe train --solver=/path/to/my_solver.prototxt 2>&1 | tee your_name.log subprocess.call(".build/tools/caffe train You/solver/path 2>&1 | tee You/log/path", shell=True) * 참고 : https://groups.google.com/forum/#!topic/caffe-users/0x8h97Si-Lk

[업데이트 2018.09.28 11:40] Deep learning 학습을 위해 개발환경 구축에 대해 고민하던 중, AWS에 deep learning 환경을 구축해보기로 하였습니다. 최근에는 EC2 인스턴스를 생성시 제공되는AMI(Amazon Machine Images)를 사용하면, deep learning 라이브러리, CUDA 등 필요한 환경 구축을 할 필요없이 바로 사용할 수 있습니다. 먼저 EC2 인스턴스를 On-Demand 형태로 구축해보는 것을 포스팅 하려고 합니다. 1. Gmail 계정 생성 먼저 AWS에서 사용될 root 계정을 위해 Gmail 이메일을 생성합니다. (생성 절차는 본 포스팅에서 생략합니다.) 2. AWS 계정 생성 이제 이전에 만들었던 Gmail로 AWS 계정을 생성합니다. ..

[업데이트 2018.04.10 17:09] 딥러닝에 대한 기본적인 개념에 대해 잘 정리되어 있는 블로그입니다. 딥러닝관련 기본 개념들을 이해할 때 참고하면 좋은 내용들입니다. * 참고 : http://colah.github.io

[업데이트 2018.08.31 10:45] 구글에서 무료로 제공하는 deep learning을 수행할 수 있는 Colab이라는 개발환경입니다. GPU NVidia K80, iPython, Jupyter Notebook 기반으로 동작합니다. 또한 구글 드라이브와 연동하여 편리하게 사용할 수 있습니다.아래의 참고 링크를 보시면 상세한 개발 환경 설정 방법을 확인하실 수 있습니다. 저의 경우 구글 드라이브에 deep_learning이란 폴더를 생성후 그 하위 폴더에 각 프로젝트별로 폴더 생성 및 ipynb Jupyter Notebook 파일 및 Python 파일을 관리 및 실행 하였습니다. 구글 드라이브 마운트를 아래의 링크를 보면 drive로 지정하는데, 다음과 같이 바로 python 파일을 실행하도록 하였..

[업데이트 2018.03.18 14:11] Tensorflow 예제 중에 MNIST data에 대해 classification하는 예제가 있습니다. 해당 예제의 경우 MNIST data를 다운로드를 하는데, 만약 다음과 같은 오류가 발생할 경우 proxy server 설정이 되어 있지 않은 경우입니다. C:\Python36\python.exe C:/dev/ai/NeuralNetwork03.py Traceback (most recent call last): File "C:\Python36\lib\urllib\request.py", line 1318, in do_open encode_chunked=req.has_header('Transfer-encoding')) File "C:\Python36\lib\htt..

[업데이트 2017.10.18 18:32] Tensorflow GPU 버전 설치를 하면서 발생한 이슈에 대해 해결하는 방법입니다. Tensorflow 1.3.0, Windows 10 x64, Python 3.6.3 버전 기준으로 작성한 내용입니다. Tensorflow GPU버전 설치 및 실행을 위해 크게 5가지를 설치해야 합니다. 포럼을 확인한 결과 아래의 버전 기준으로 설치해야 정상 동작함을 확인했습니다. 1. TensorFlow with GPU support v1.3.0 2. NVIDIA CUDA Toolkit 8.0 - Feb 2017 > Installers for Windows 10 x86_64 https://developer.nvidia.com/cuda-80-ga2-download-archive..