ufris

리눅스 환경에서 ibus 한글로 쓰는 경우에 한글이 자동으로 지워지거나 하는 문제가 있습니다 ibus가 아닌 fcitx5로 바꿔서 사용하는 것이 더 좋습니다 fcitx5 설치$ sudo apt install fcitx5 fcitx5-hangul fcitx5-config-qt ~/.bashrc에 fcitx5 설정$ vi ~/.bashrcexport GTK_IM_MODULE=fcitxexport QT_IM_MODULE=fcitxexport XMODIFIERS=@im=fcitx 언어가 한글 ibus로 깔려있다면 언어 설정에서 지웠다가 다시 설치 재부팅 후에 화면 상단에 키보드 모양의 아이콘이 보입니다 보이지 않는 경우에는 아래처럼 프로그램 시작 시 강제로 fcitx5를 실행하도록 설정해줍니다$ mkdir -p..

gpu 0 만 사용해서 잘 돌아가다가 다른 학습을 위해 gpu 1번을 사용하는 순간 해당 에러가 발생 학습이 잘 되던 gpu 0 도 오류가 발생해서 학습이 진행 안됐는데 $ torch.cuda.init()  # CUDA 시스템 초기화 코드가 있으면 위와 같은 오류가 발생하기 때문에 해당 코드는 삭제 후 돌리니까 오류가 해결 됐습니다

학습 도중에 killed 문제가 발생하면 GPU 메모리 문제라고 생각하는 경우가 많습니다 하지만 ram 메모리 부족으로 인해 발생하는 경우로  $ free -mram 사용률에 대해서 확인해보면 ram 메모리가 계속 증가하는 것을 볼 수 있습니다 해결 방법으로 1. 모델에서 나온 결과에 대해 cpu().numpy() 로 변환 2. 학습 loss를 확인하기 위해 Total_loss += loss 하는 경우가 많은데 Total_loss += float(loss) 나 loss.detach().cpu() 로 변환해서 Total_loss 변수에 저장해야합니다

docker 안에서는 인터넷을 통해 다운 받는게 어렵기 때문에 wget으로 설치 파일을 다운 받습니다 anaconda 사이트에서 다운 받으려는 설치 파일 우클릭으로 '주소 복사'를 해서 $ wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh 를 통해 다운을 받습니다 https://ufris.tistory.com/5 ubuntu에서 pycharm과 anaconda 설치 및 가상환경 만들기 pycharm 설치 터미널에서 아래 코드를 실행합니다 sudo apt install snapd snapd-xdg-opensudo snap install pycharm-community --classic Anaconda 설치 아나콘다를 설치하..

docker에서 jupyter notebook을 실행해서 외부에서 접속하기 전에 docker container에 포트를 설정해야 합니다 container를 만들 때 -p를 통해 포트 번호를 설정해줍니다 $ docker run -it -p 8888:8888 --name ubuntu_test ubuntu:18.04 /bin/bash jupyter 설치 $ pip install jupyter notebook ipywidgets jupyterlab jupyter notebook 실행 $ jupyter notebook --ip 0.0.0.0 --allow-root 를 통해 모든 ip에 대한 접속을 허용합니다 창에 뜨는 주소를 crtl + 클릭을 통해 jupyter에 접속하면 됩니다 conda 가상환경을 jupyt..

기본 ubuntu docker image를 통해 container를 만들어 apt를 설치하고 세팅을 설정한 다음 동일한 ubuntu docker로 container를 만들면 똑같은 세팅을 반복해야합니다 (가장 기본적인 wget, vim, net-tools 등등) 이러한 반복 작업을 하지 않기 위해서 docker container를 docker image로 만들어서 관리하면 편합니다 $ docker ps -a 를 통해 image로 만들 container의 container ID 를 확인합니다 $ docker commit f836f7b23461(=CONTAINER ID) jupyter(=image 이름) 를 통해 container를 image로 만듭니다 $ docker images 를 통해 확인 가능합니다

docker 이미지로 ubuntu 18.04 설치 및 실행하는 법 - ubuntu 18.04 docker 이미지 다운 $ docker pull ubuntu:18.04 - local에 있는 도커 이미지 확인 $ docker images - ubuntu 18.04 이미지로 컨테이너 생성 $ docker run -it --name ubuntu_test ubuntu:18.04 /bin/bash 접속이 되면 root 로 들어가집니다 container에 port를 연결하려고 하면 $ docker run -it -p 80:80 --name ubuntu_test ubuntu:18.04 /bin/bash - docker 컨테이너 start, stop 및 실행 docker 실행하기 하기 위해서는 docker contain..

docker 설치 아래 코드는 docker 설치를 위한 세팅 부분 입니다 $ sudo apt update $ sudo apt install apt-transport-https ca-certificates curl software-properties-common $ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - $ sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu bionic stable" $ sudo apt update $ apt-cache policy docker-ce 마지막 코드를 입력하면 docker가 아직 설치..

conda나 pip으로 처음 설치를 하고 추후에 동일한 package를 설치할 때 기존에 설치된 package에 대한 cache 파일이 있어 다운로드 없이 기존에 있는 다운받은 package를 가져와서 깔게 됩니다 큰 문제는 없지만 이 cache 파일에 문제가 생기면 package들간에 꼬이는 현상이 발생합니다 이런 cache파일을 지우는 방법은 pip의 경우 $ pip cache purge conda의 경우 $ conda clean -all

https://towardsdatascience.com/medical-image-pre-processing-with-python-d07694852606 Medical Image Pre-Processing with Python An overview of preprocessing a dicom image for the training model. towardsdatascience.com https://vincentblog.xyz/posts/medical-images-in-python-computed-tomography