이 글을 작성하는 시점(2017-01-11)에서 분산 텐서플로우의 관련 자료 부족으로 확실히 분산 학습이 되는지 확인이 되지 않았습니다. 안타깝지만 본 내용은 참고만 하시기 바랍니다.
원문 [https://www.tensorflow.org/how_tos/distributed/] (https://www.tensorflow.org/how_tos/distributed/)
- 클러스터는 텐서플로우 그래프의 분산 수행에 참여하는 테스크들의 집합
FROM ubuntu:14.04 | |
ENV PYTHONPATH /opt/caffe/python | |
# Add caffe binaries to path | |
ENV PATH $PATH:/opt/caffe/.build_release/tools | |
# Get dependencies | |
RUN apt-get update && apt-get install -y \ |
FROM ubuntu:14.04 | |
# A docker container with the Nvidia kernel module and CUDA drivers installed | |
ENV CUDA_RUN http://developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run | |
RUN apt-get update && apt-get install -q -y \ | |
wget \ | |
build-essential | |
RUN cd /opt && \ |
#!/usr/bin/env python | |
# -*- coding: utf-8 -*- | |
""" | |
Caculator for Python Korea GangNam Study | |
""" | |
import re | |
from collections import deque |
{ | |
"metadata": { | |
"name": "" | |
}, | |
"nbformat": 3, | |
"nbformat_minor": 0, | |
"worksheets": [ | |
{ | |
"cells": [ | |
{ |
import time | |
import random | |
import pytest | |
import numpy as np | |
EPS = 0.1 | |
ALPHA = 0.1 | |
MAX_EPISODE = 100000 |
이 글을 작성하는 시점(2017-01-11)에서 분산 텐서플로우의 관련 자료 부족으로 확실히 분산 학습이 되는지 확인이 되지 않았습니다. 안타깝지만 본 내용은 참고만 하시기 바랍니다.
원문 [https://www.tensorflow.org/how_tos/distributed/] (https://www.tensorflow.org/how_tos/distributed/)
import sys | |
import urllib | |
import urllib2 | |
import json | |
import codecs | |
url = "https://play.google.com/store/getreviews" | |
values = { | |
"reviewType": "0", "pageNum": "2", | |
"id": |
def do_group(gdf): | |
"""각 그룹별 처리.""" | |
# 대상 그룹이 아니면 그대로 | |
if gdf.group.iloc[0] not in groups_need_change: | |
return gdf | |
# value가 없는 인덱스 | |
nidx = gdf.value.isna() | |
# value가 있는 인덱스 | |
pidx = ~nidx |
글쓴이: 김정주(haje01@gmail.com)
Caffe는 강력한 딥러닝 툴이지만, 설치가 까다로워 접근하기가 쉽지 않습니다. 이에 Docker를 활용하여 실습하는 방법을 소개합니다.
설치과정은 많은 파일을 받아야 하기에 인터넷이 빠른 곳에서, 충분한 시간(2시간 이상)을 가지고 진행해야 합니다.