Note: all these tests use the GPU. "loader" does not execute any neural-net operations, it only loads the images on the GPU, then pass to the next batch.
weights are guesstimates from Carl.
loader
- weight: 2 (not realistic)
def jouer(strategie): | |
porte_gagnante = np.random.randint(0, 3) | |
portes = {0, 1, 2} | |
choix_initial = np.random.randint(0, 3) | |
if choix_initial == porte_gagnante: | |
chevres = portes.difference({porte_gagnante}) | |
ouverte_par_animateur = list(chevres)[np.random.randint(0, 2)] | |
else: # choix_initial != porte_gagnante, choix_initial est chevre | |
# L'animateur n'ouvre ni la porte gagnante, ni la porte choisie initialement |
Vous devriez lancer une tâche interactive. Vous pourrez ainsi vérifier que votre environnement virtuel est correct, et que toutes les dépendances de votre script sont bien installées.
Pour ce faire, utilisez salloc
. Cette commande est similaire à ssh
en ce sens qu'elle vous amène dans un terminal sur un autre ordinateur; dans ce cas-ci, un noeud de calcul. Vous devez spécifiez les ressources dont vous avez besoin, un peu comme avec sbatch
, comme suit:
salloc --cpus-per-task=2 --gres=gpu:k20:1 --time=0:30:00
Voici quelques précisions qui vous aideront à faire le TP3 sur le serveur Hélios de Calcul Québec.
AJOUT - 25 mars 15:18: L'équipe de Calcul Québec vient de découvrir un bug de pip
qui affecte l'installation de PyTorch et torchvision
. Pour contourner le problème, vous devez utiliser l'option --no-deps
lorsque vous installez torchvision
. Par exemple: pip install --no-index --no-deps -r requirements.txt
, ou pip install --no-index --no-deps torchvision==0.5.0
.
Le script train.py
s'attend à trouver un dossier ../data
, c'est à dire un dossier data
dans le dossier parent
à celui où on l'exécute. Par exemple:
$ cd src