Recent Posts
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- spleeter
- 회귀 평가 지표
- MaskRCNN환경구축
- 엘라스틱넷
- bargraph
- Python
- MaskRCNN_colab
- PyQt5
- mmdetection
- 다중 회귀
- RMSLE
- MaskRCNN코랩
- 모델 성능 최적화
- rogistic regression
- seaborn.barplot
- 프로그래머스
- docker
- 청산원함
- MSLE
- MaskRCNN환경구성
- 기사단원의무기
- stratified k-fold
- 피처 스케일링
- 객체 성능 평가 지표
- 로지스틱 회귀
- bcss
- mask2cocojson
- stacking
- mask2coco
- flask모델서빙
- Today
- Total
목록Docker image (1)
노트와 노트

딥러닝 모델을 개발하기에 앞서 모델 학습 환경을 구축하는 것은 매번 너무 번거롭고 귀찮은 숙제이다. 전 회사에 근무할 때, 프로젝트에서 도커를 사용해본 적 있는데 도커에 대해 잘 알고 사용한 것은 아니었지만 이렇게 간단하다니 하고 놀랐던 기억이 있다. 모두의 PC 환경이 다른데도 어디서나 동일한 스택으로 간단하게 동작한다는 것이 너무나 맘에 들었다. 그간 모델 학습 환경을 구축하는 데에 쏟은 시간이 적지 않았기에 ㅜㅜ 그 당시에는 사실 도커나 컨테이너의 개념에 대해 잘 모르는 상태로 가이드를 보고 컨테이너를 실행해서 컨테이너 환경에서 모델을 학습하고, 테스트하고, Dockerfile을 만들고, 이미지를 빌드하고... 뭐 요 정도만 했어서 앞으로 도커를 계속해서 이용하려면 제대로 알아 두는 게 좋을 것 같..
Docker
2023. 9. 19. 22:43