# nvidia docker 서비스 시작 sudo service nvidia-docker start # 특정 포트 터널링, 경로 마운트, Docker image:tag 를 이용하여 container 로 실행 docker run -ti -rm -p {호스트포트}:{도커포트} -v {호스트경로}:{도커경로} {IMAGE_NAME:tag} bash # 종료된 Container 삭제 docker rm {CONTAINER_NAEM} # Docker Image 삭제 docker rmi {IMAGE_NAME} # 종료된 Container를 삭제하지 않고 새로운 IMAGE로 생성 docker commit {CONTAINER_NAEM} {IMAGE_NAME:TAG} # Docker container 내에서 jupyter notebook 혹은 jupyter lab을 실행할때 사용되는 커맨드 CUDA_VISIBLE_DEVICES=0 jupyter notebook --ip=0.

오늘은 Weights & Biases 의 기능중 하나인 sweep에 대해서 알아보려고 합니다.

이번 포스팅은 Weights & Biases 를 활용하여 Network 성능 비교 예시를 하려고 합니다.

본 포스팅은 고려대학교 산업경영공학부 Data Science & Business Analytics 연구실의 강필성 교수님의 자료를 정리한 포스팅입니다.

어제는 RAPIDS에 대한 소개와 RAPIDS APIs 중 cuDF 에 대한 예제에 대한 포스팅을 했습니다.

RAPIDS is a suite of software libraries for executing end-to-end data science & analytics pipelines entirely on GPUs.