jetson으로 심층 학습을 하는 환경을 정돈한다
3654 단어 PyTorchjetsonxaviernx심층 학습Jetson
소개
흐름
vscode 설치
여기에서 다운로드하여 설치할 수 있습니다.
jetson은 arm 아키텍처이므로 ARM64를 선택하십시오.
docker extention 설치
vscode 확장에서 도커을 설치하십시오.
이미지를 풀다
nvidia NGC에서 jetson 용 이미지를 pull하십시오. 이번에는 pytorch를 사용하고 싶으므로 이
jetpack 버전에 맞춰야 하므로 jetpack 버전을 확인합니다.
> dpkg-query --show nvidia-l4t-core
nvidia-l4t-core 32.4.4-20201016123640
이 버전에 있던 것을 pull합니다.
docker pull nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3
컨테이너를 시작
터미널에서
docker run --rm --runtime nvidia --network host -v /home/user/project:/location/in/container nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3
를 입력하면 컨테이너가 시작됩니다.
--rm (은)는 컨테이너 종료시에 자동적으로 컨테이너를 삭제하는 명령 (삭제하고 싶지 않은 경우는 --rm 명령을 붙이지 않는다)
--runtime nvidia 이것을 붙이면 jetson의 cuda 환경을 docker에 제공할 수 있다
-v : 왼쪽이 마운트 하고 싶은 호스트의 파일 패스 (절대 패스가 아니면 안되는 것 같다). 오른쪽이 컨테이너내의 파일의 두는 장소.
docker extension에서 컨테이너가 일어나는 것을 볼 수 있습니다.
vscode로 컨테이너에 연결
vscode의 docker extension에서 컨테이너가 시작되는 컨테이너에서 마우스 오른쪽 버튼을 클릭하고 attach visual studio code를 선택합니다.
vscode로 개발할 환경이 갖추어졌습니다.
실제로 움직이는지 확인
GPU가 인식되는지 확인합시다.
import torch
# GPUの確認
use_cuda = torch.cuda.is_available()
print('Use CUDA:', use_cuda)
실행 결과는 다음과 같습니다.
Use CUDA: True
docker 컨테이너에서 GPU를 사용하여 심층 학습을 개발할 수 있습니다.
Reference
이 문제에 관하여(jetson으로 심층 학습을 하는 환경을 정돈한다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ryota_101020/items/57e0270988f2f55e5932
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
vscode 확장에서 도커을 설치하십시오.
이미지를 풀다
nvidia NGC에서 jetson 용 이미지를 pull하십시오. 이번에는 pytorch를 사용하고 싶으므로 이
jetpack 버전에 맞춰야 하므로 jetpack 버전을 확인합니다.
> dpkg-query --show nvidia-l4t-core
nvidia-l4t-core 32.4.4-20201016123640
이 버전에 있던 것을 pull합니다.
docker pull nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3
컨테이너를 시작
터미널에서
docker run --rm --runtime nvidia --network host -v /home/user/project:/location/in/container nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3
를 입력하면 컨테이너가 시작됩니다.
--rm (은)는 컨테이너 종료시에 자동적으로 컨테이너를 삭제하는 명령 (삭제하고 싶지 않은 경우는 --rm 명령을 붙이지 않는다)
--runtime nvidia 이것을 붙이면 jetson의 cuda 환경을 docker에 제공할 수 있다
-v : 왼쪽이 마운트 하고 싶은 호스트의 파일 패스 (절대 패스가 아니면 안되는 것 같다). 오른쪽이 컨테이너내의 파일의 두는 장소.
docker extension에서 컨테이너가 일어나는 것을 볼 수 있습니다.
vscode로 컨테이너에 연결
vscode의 docker extension에서 컨테이너가 시작되는 컨테이너에서 마우스 오른쪽 버튼을 클릭하고 attach visual studio code를 선택합니다.
vscode로 개발할 환경이 갖추어졌습니다.
실제로 움직이는지 확인
GPU가 인식되는지 확인합시다.
import torch
# GPUの確認
use_cuda = torch.cuda.is_available()
print('Use CUDA:', use_cuda)
실행 결과는 다음과 같습니다.
Use CUDA: True
docker 컨테이너에서 GPU를 사용하여 심층 학습을 개발할 수 있습니다.
Reference
이 문제에 관하여(jetson으로 심층 학습을 하는 환경을 정돈한다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ryota_101020/items/57e0270988f2f55e5932
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
> dpkg-query --show nvidia-l4t-core
nvidia-l4t-core 32.4.4-20201016123640
docker pull nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3
터미널에서
docker run --rm --runtime nvidia --network host -v /home/user/project:/location/in/container nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3
를 입력하면 컨테이너가 시작됩니다.
--rm (은)는 컨테이너 종료시에 자동적으로 컨테이너를 삭제하는 명령 (삭제하고 싶지 않은 경우는 --rm 명령을 붙이지 않는다)
--runtime nvidia 이것을 붙이면 jetson의 cuda 환경을 docker에 제공할 수 있다
-v : 왼쪽이 마운트 하고 싶은 호스트의 파일 패스 (절대 패스가 아니면 안되는 것 같다). 오른쪽이 컨테이너내의 파일의 두는 장소.
docker extension에서 컨테이너가 일어나는 것을 볼 수 있습니다.
vscode로 컨테이너에 연결
vscode의 docker extension에서 컨테이너가 시작되는 컨테이너에서 마우스 오른쪽 버튼을 클릭하고 attach visual studio code를 선택합니다.
vscode로 개발할 환경이 갖추어졌습니다.
실제로 움직이는지 확인
GPU가 인식되는지 확인합시다.
import torch
# GPUの確認
use_cuda = torch.cuda.is_available()
print('Use CUDA:', use_cuda)
실행 결과는 다음과 같습니다.
Use CUDA: True
docker 컨테이너에서 GPU를 사용하여 심층 학습을 개발할 수 있습니다.
Reference
이 문제에 관하여(jetson으로 심층 학습을 하는 환경을 정돈한다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ryota_101020/items/57e0270988f2f55e5932
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
GPU가 인식되는지 확인합시다.
import torch
# GPUの確認
use_cuda = torch.cuda.is_available()
print('Use CUDA:', use_cuda)
실행 결과는 다음과 같습니다.
Use CUDA: True
docker 컨테이너에서 GPU를 사용하여 심층 학습을 개발할 수 있습니다.
Reference
이 문제에 관하여(jetson으로 심층 학습을 하는 환경을 정돈한다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/ryota_101020/items/57e0270988f2f55e5932텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)