anaconda prompt 실행 conda env export -n 추출할 가상환경 이름 > 추출한 가상환경 이름.yml ex>conda env export -n pytorch5 > pytorch5.yml conda env create -f 추출한 가상환경 이름.yml ex> conda env create -f pytorch5.yml

Tensorflow 1.xx 버전(ex> 1.13, 1.15)은 cuda 10.x 이 필수적이나, 최신그래픽인 RTX 3천 시리즈의 그래픽들은 cuda 11.x 이상사용해야 작동이 된다. 해당 문제는 외국에서도 3090을 사고서 쓰지 못하는 눈물겨운 상황도 찾을 수 있다. 이러한 문제들을 해결할 수 있는 방안은 아래와 같다. 아래의 명령들을 실행하기전에 꼭 Nvidia 드라이버를 설치 하여야한다. ------- 설치 하는 방법 ----- source activate conda create --name TF1.13_py36 python=3.6.8 conda activate TF1.13_py36 pip install nvidia-pyindex pip install nvidia-tensorflow[horovo..

설치 git clone https://github.com/wilicc/gpu-burn cd gpu-burn make make 명령어는 컴파일인데, 이를 진행하려면 GPU에 맞는 그래픽 드라이버와 CUDA가 설치되어 있어야한다. 실행 # 180초동안 태우기 ./gpu_burn 180

watch -d -n 1 nvidia-smi -d : 실시간으로 보여주면서 업데이트 되는 부분을 하얀색으로 알려줌 -n : 몇 초 간격으로 업데이트 할 것인지 정하는 파라미터

container 현 상태를 images 로 만들기 sudo docker commit [컨테이너이름] [생성할 이미지 이름]: [생성할 tag] ex> sudo docker commit tf1.13_1 Mason/tf1.13_py35:ver_2 Docker images tag 작업 docker tag [ image ID ] [ docker hub ID] / 생성할 image이름: 생성할 tag 명 ex> docker tag 4e4888f7a680 Mason/tf1.13_py35:ver_3 Docker 허브에 올릴수 있도록 로그인 docker login Docker hub 에 이미지 올리기 docker push [도커 허브 ID]/ [생성했던 image이름]: [생성했던 tag 명] ex> docker p..

컨테이너 시작 sudo docker start 컨테이너 이름 컨테이너 접속 sudo docker attach 컨테이너 이름 컨테이너 잠시 나오기(종료 x) Ctrl + P, Q 컨테이너 종료 exit