머신러닝 연습장

Intel MKL로 설치하기
- conda create -n disentangle_tf -c intel intelpython3_core python=3.6 numpy=1.16.2
지수표기 끄기
- np.set_printoptions(suppress=True)
- torch.set_printoptions(sci_mode=False)
Conv2d에서 채널만 바꾸는 조합 (가로세로 그대로)
- kernel_size=1
- kernel_size=3, padding=1
  - ex) nn.Conv2d(16, 32, kernel_size=3, padding=1) 하면 16채널짜리 2d가 32채널짜리 2d가 된다
torch 네트워크 그래프 출력
- torchviz.make_dot(recon, params=dict(self.vqvae.named_parameters()))

이미지 빌드
- docker build . --tag kb_apart:200225
컨테이너 실행
- docker run -i -t -d -p [외부 포트]:[내부 포트] -v [외부 폴더 or 파일][내부 폴더 or 파일] kb_apart:200225
- 맨 뒤에 sh 등 붙이면 entrypoint 기본이 아닌 그거 실행함
컨테이너 붙기
- docker exec -it [컨테이너 해시] sh
컨테이너 (전체) 종료
- docker kill $(docker ps -q)
이미지 (전체) 삭제
- docker rm $(docker ps -a -q)

설정->도구->SSH 구성
- ssh-remote-(servername) 추가
설정->프로젝트->Python 인터프리터->인터프리터 추가
- 위치: SSH
- SSH 연결: 기존
- 시스템 인터프리터: /home/isi/d-kim/anaconda3/envs/(envname)/bin/python
- 동기화 폴더: 기본값 (이 뒤에 따로 설정할 예정)
- 서버에 프로젝트 파일 자동 업로드: 체크 해제 (이 뒤에 따로 설정할 예정)
- 설정 완료 후 이름 바꿔주기: remote-(servername)-(envname)
프로젝트 인터프리터는 그대로 local 인터프리터로 놔 두기.
- 나중에 실행 옵션에서 선택해 줄 예정
도구->배포->구성
- 연결탭 들어가기
- 루트 경로: /mnt/ISINAS3/d-kim/pycharm
- 다운로드/업로드/싱크에 Rsync 사용 체크하기
- 매핑탭 들어가기
- 로컬 경로: 기본값 (프로젝트 경로)
- 배포 경로: /(project_folder_name)
- 웹 경로: /
- 제외된 경로: 로컬 경로의 log 등등 선택
여러 서버 중에 파일 업로드를 담당할 서버에서 체크버튼 누르기
도구->배포->자동 업로드(항상)에 체크하기
실행->구성 편집
- 새 구성 추가: python
- 이름: (projectname)_(servername)
- 인터프리터: remote-(servername)-(envname)

둘러보기 메뉴