치즈의 AI 녹이기

이 글을 참고하여 해결하였다. https://robot-vision-develop-story.tistory.com/30 Docker GPU[0000] ERROR 딥러닝 도커를 하다보면 docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]]. ERRO[0000] error waiting for container: context canceled 이런 에러를 많이 접.. robot-vision-develop-story.tistory.com

tmux 안에서 파일을 읽거나 쓰려고 할 때 위와 같은 에러가 난다면, sudo chown -R tako:tako .

오늘은 등운동을 했다. 1. 의자를 비스듬히 세워 등받이에 엎드려 가슴은 연 채로 몸을 붙인다. 두 발은 땅을 딛는다. 5kg짜리 덤벨을 양손에 들고 내렸다가 올려준다. 올릴 때마다 날개뼈를 접으면서 등을 자극하는 느낌이 든다. 2. 렛풀 다운, 암풀 다운 렛풀 다운 할 때 트레이너님이 날개뼈 사이 중앙을 손날로 짚어주시는데, 그 부분을 중심으로 최대한 날개뼈를 모으려고 노력해보기. 암풀 다운에서 시작할 때 좀 뒤로 나와서 줄을 빼고 시작. 팔 내릴 때 최대한 날개뼈를 접어주기. 3. 언더그랩 바벨로우 15kg 바벨을 언더그랩으로 잡고 배꼽쪽으로 끌어당기는 바벨로우 진행. 4. 10kg 바벨로 데드리프트 -> 쇄골 위 -> 만세 동작 3세트

오늘은 하체 운동을 진행하였다. 1. 바벨 스쿼트 바벨스쿼트는 바벨을 등어깨 위에 올려놓고 스쿼트를 하는 동작이다. 기본 스쿼트 1세트 -> 10kg 바벨 스쿼트 1세트 -> 20kg 바벨 스쿼트 1세트 -> 30kg 바벨 스쿼트 3세트 이렇게 순차적으로 무게를 늘려가면서 진행되었다. 무릎 좁혀지지 않게 주의, 들어올릴 때 엉덩이가 뒤로 빠지지 않고 수직으로 올라가도록 한다. 2. 백 런지 바벨 스쿼트와 같이 10kg 바벨을 등 어깨에 올려 놓고 런지를 하는 동작이다. 발을 번갈아가며 뒤로 뻗으면서 런지 동작을 한다. 상체를 숙여 무게중심이 조금 앞에 있도록 하고, 앉을 때 앞다리가 직각이 되도록 유지해야 한다. 3. 어브덕션(Abduction) 그동안 했던 기구를 이용하여 다리를 벌리면서 했던 힙 운동..

오늘은 가슴 운동을 진행하였다. 항상 모든 기본 자세는 가슴 최대한 열기, 어깨가 올라가지 않도록 주의하기! 1. 펙트롤 플라이 시작자세는 앞을 보고 앉아서 손잡이는 가운데 부분을 잡고, 팔꿈치가 바깥을 향하도록 들어준다. 기구를 밀 때는 팔을 쭉 뻗어준다. 등을 등받이에 붙이지 말고 가슴을 최대한 내밀어준다. 15kg 13번씩 3세트 진행. 2. 벤치 프레스 시작자세는 벤치에 누워서 15kg 바벨을 가슴 위에 올려놓은 후 눈높이 약간 아래쪽으로 팔을 쭉 뻗어준다. 그 상태에서 들고 내리기 시작한다. 20kg 바를 잡고도 해봤는데 아직 무겁다.. ㅎ 3. 인클라인 벤치 프레스 벤치를 약간 뒤로 젖혀 앉게끔 접고 앉아서 15kg 바벨을 쇄골 밑쪽에 올려놓은 후 쭉 뻗어준다. 그 상태에서 들고 내리기 시작한..

PT를 진행할수록 처음보다 내가 들 수 있는 중량이 늘어남을 실감하게 된다. 하다보면 너무 힘들어서 'PT 끝나면 혼자서 내가 이걸 할 수 있을까..' 하는 느낌이 든다ㅎ 어깨운동 1. 펙덱 플라이 2. 앉은 상태에서 바벨로 역기 들듯이 만세하기. 3. 레터럴 레이즈 : 양손에 덤벨 3kg씩 들고 12번, 바로 1kg 들고 12번. 이때 무게가 줄어든 대신 팔을 내릴 때 저항하는 느낌으로 힘을 준다. 4. 삼두근 운동 : 앉은 자세에서 5kg 덤벨하나를 등 뒤에서 양손으로 잡는다. 이때 팔꿈치가 머리 위에 올라와 있고, 팔을 뒤로 굽혀 덤벨을 든 상태가 시작 자세이다. 그 다음 양 팔꿈치 간격을 유지한 상태에서 팔을 뻗어 덤벨을 들었다가 내리는 동작을 15회씩 3번 반복한다.

1. torch.cuda.amp 활용하기 일부 작업에 대하여 float32에서 float16으로(또는 반대) 바꾸어 각 연산을 적절한 데이터 유형과 일치시킴으로써 학습 속도를 좀 더 빠르게 할 수 있다. autocast(torch.cuda.amp와 동일)은 네트워크의 순방향 패스(forward + loss)에만 적용되어야 한다. 2. Gradient Accumulation gradient를 특정 배치 주기까지 모았다가 한번에 업데이트하여 적은 메모리 환경에서 작은 배치사이즈로 큰 배치사이즈를 사용하는 효과를 기대한다. 큰 배치사이즈를 사용함으로써 학습 시 정보의 노이즈를 제거하고 더 나은 gradient descent를 수행할 수 있다. 3. Gradient Clipping gradient explodi..

Knowledge Distillation, 지식 증류란, Teacher Network로부터 추출(증류)한 지식을 Student Network로 transfer하는 과정을 말한다. 등장 배경 이 방법론은 모델 배포(model deployment)에서 기원하였다. 높은 성능을 갖지만 용량, 예측시간의 효율성이 떨어지는 모델(Teacher Network)과 Teacher Network보다 상대적으로 성능은 낮지만 용량, 예측시간의 효율성이 있는 모델(Student Network)이 있을때, Teacher가 가진 장점을 Student Network에 전달하는 방법을 고안한 것이다. 방법 1) Soft Label classification 예측 단계에서 softmax를 통과해 나온 확률분포가 예를 들어 다음과 같..