tensorflow 2.0 버전부터 model, layer subclassing을 지원한다. 이때 custom model을 학습 후 저장할 때 model.save()를 사용하면 아래와 같은 에러 문구가 뜨는 경우가 발생하는 경우가 있다. >>> ValueError: Model cannot be saved because the input shapes have not been set. Usually, input shapes are automatically determined from calling .fit() or .predict(). To manually set the shapes, call model._set_inputs(inputs). 이 경우 model.save_weights()를 사용하면 해결이 된..
tensorflow_datasets(tfds)을 사용하여 custom dataset 생성하고자 한다. 구글에서 공개한 tensorflow 모델을 custom dataset으로 학습하는 세팅이다.(개발환경 세팅은 여기와 여기 참고) 작업환경 ubuntu18.04 + Docker Container *tensorflow_datasets와 tf.data 1) tensorflow_datasets(공식문서) 목적: 공개되어 있는 많은 데이터셋들의 원본을 tfds 모듈로 불러들일 수 있음 주요 특징: 연구에서 사용되고 있는 많은 데이터셋 원본 파일들(전처리 X)을 공개해둠(데이터셋 목록) tfds.features으로 데이터셋 정의(Audio, ClassLabel, Image, Sequence, Tensor, Text..
tensorflow-gpu 버전을 설치한 후 실행환경에서 GPU를 잡고 있는지 확인할 수 있는 방법을 정리해보겠습니다. 1) tensorflow 내에서 확인 ># python3 >>> from tensorflow.python.client import device_lib >>> device_lib.list_local_devices() ... 아래와 같이 GPU가 뜨는 것을 확인할 수 있습니다. 2) nvidia-smi로 확인 terminal 창에서 nvidia-smi를 입력하면 python3 process가 GPU를 잡고 있는 것을 확인할 수 있습니다.
GPU 드라이버 설치한 후 tensorflow 개발 환경을 구축해보려고 합니다. 설치환경은 다음과 같아요 운영 체제(OS): Ubuntu 18.04 그래픽 카드(GPU): GeForce RTX 2060 super CUDA 10.0 cuDNN 7.4 Python 3.7 tensorflow-gpu-1.14 1. NVIDIA 그래픽 드라이버 확인 nvidia-smi -q | grep Product 명령어로 GPU 드라이버 설치된 것을 확인해볼 수 있습니다. $ nvidia-smi -q | grep Product Product Name : GeForce RTX 2060 SUPER Product Brand : GeForce 2. CUDA 설치 CUDA, cuDNN을 설치해줘야 합니다. tensorflow, ten..
GPU를 받았습니다. 컴퓨터 선이 케이블로 정리가 빡세게 되어있어서 선 다 끊고 메인보드에 연결하고 전원선 연결한 후 드라이버를 설치했습니다. Ubuntu: LTS 18.04 GPU: GEFORCE RTX 2060 super 설치하는 방법에는 크게 두 가지가 있습니다. (1) 드라이버를 직접 찾고 원하는 버전을 설치하는 방법과 (2) 자동으로 설치해주는 방법이 있는데 둘 다 소개하고자 합니다. 1. 드라이버 검색 및 지정하여 설치 그래픽카드 정보, 드라이버 정보 확인 아래 명령어로 그래픽 카드 정보를 확인해보겠습니다. $ lshw -C display WARNING: you should run this program as super-user. *-display description: VGA compatib..
