천천히 정리

- 출처 : https://otexts.com/fpp3/tscv.html* 시계열 교차검증 Time Series Cross Validation (TSCV) time series forecasting을 cross validation할 때는 다음과 같은 방법으로 시도해야 한다. - python code 방법(출처 : https://www.geeksforgeeks.org/time-series-cross-validation/) --> scikit-learn의 TimeSeriesSplit   함수를 이용하면 된다.https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html [사용법]from sklearn...

0. 에러 해결 errored out with exit status 1 python setup.py egg_info $ pip3 install --upgrade setuptools 1. 패키지 설치$ pip3 install scikit-image

import os os.environ['CUDA_VISIBLE_DEVICES'] = '3' 이렇게 os로 gpu를 설정하는 것보다 import torch를 더 먼저 실행하여 생기는 문제 import torch를 하게 되면 기본적으로 0번 GPU를 torch가 가져온다고 한다. ▶os.environ을 먼저 실행하여 torch보다 먼저 GPU 권한을 설정한다. (그냥 무조건 os.environ부터 제일 먼저 실행하기) + 추가적으로 pytorch 환경변수가 꼬여서 생기는 오류이기도 하다. 맨 처음에 환경변수 해제 명령어를 실행해준다. $ unset LD_LIBRARY_PATH import os os.environ['CUDA_VISIBLE_DEVICES'] = '3' import torch torch.cuda..

import argparseparser = argparse.ArgumentParser() # 원하는 parameter 설정parser.add_argument('--model', type=str, default='gru') parser.add_argument('--data', type=str, default='electricity')  1. Jupyterconfigs = parser.parse_args(args=[]) 2. .py fileconfigs = parser.parse_args()* python3 test.py --model=gru --data=electricity 사용 시 configs.model, configs.data 등으로 사용

Pytorch 실행하다가 갑자기 하루 아침에 뜬 cuDNN 관련 에러 - Error Log RuntimeError: cuDNN version incompatibility: PyTorch was compiled against (8, 9, 2) but found runtime version (8, 7, 0). PyTorch already comes bundled with cuDNN. One option to resolving this error is to ensure PyTorch can find the bundled cuDNN. Looks like your LD_LIBRARY_PATH contains incompatible version of cudnn. Please either remove it from..

* $ pip install jupyter로 jupyter를 설치한 후 jupyter가 실행되지 않는 문제 --> jupyter 명령어의 shell 환경변수 설정이 되지 않아, shell에서 바로 실행할 수 없는 것이다. --> 환경변수를 추가해주면 된다. $ export PATH=$PATH:[에러에 뜬 경로 그대로]

모델 학습을 하기 위해 원하는 GPU만 사용하기 위해서는 python의 os 모듈을 통해 간단히 접근할 수 있는 GPU 번호를 제한해주면 된다. 1. 1개의 단일 GPU 사용 import os os.environ['CUDA_VISIBLE_DEVICES'] = '0' 2. 2개 이상의 multi-GPU 사용 (ex. 0번, 1번) import os os.environ['CUDA_VISIBLE_DEVICES'] = '0, 1' 이렇게 하고 1. Tensorflow tensorflow.distribute의 MirroredStrategy를 바로 사용해주면 된다. 위에서 이미 GPU를 제한했기 때문에 따로 설정해줄 것은 없다. 단지 선언한 mirrored_strategy안에 모델 define부터 모델 생성, c..

주피터 셀에 아래 명령어만 그대로 붙여 넣어 실행 ( %까지 다 붙여넣어야 함 ) %config Completer.use_jedi = False

$ import torch $ torch.cuda.is_available() ( cuda 먼저 확인 / False 뜨면 gpu 버전에 맞게 pytorch 재설치 ) $ torch.cuda.get_device_name()

tf-nightly 2.7.0-dev20210806 버전 기준으로 설명함. 1. Tensorflow 설치 확인 from tensorflow.python.client import device_lib import tensorflow as tf tf.__version__ 2. Cuda 및 GPU 동작 확인 print(tf.test.is_built_with_cuda()) print(tf.test.is_built_with_gpu_support()) 3. physical_device 확인 physical_devices = tf.config.list_physical_devices('GPU') physical_devices 4. 사용 가능한 cpu 및 gpu 확인 (여기에서 gpu가 보여야함) local_devices..