1. docker compose 파일 작성
2. 동일 폴더에 .env파일 작성
3. docker compose up 실행
4. python 코드로 접속 여부 확인
5. chrome열어서 localhost:8087 접속하여 table생성 여부 체크
6. docker container ls --all 로 container 체크해서 아래 확인
[참고]
1. Postres for time series data, Medium
1. docker compose 파일 작성
2. 동일 폴더에 .env파일 작성
3. docker compose up 실행
4. python 코드로 접속 여부 확인
5. chrome열어서 localhost:8087 접속하여 table생성 여부 체크
6. docker container ls --all 로 container 체크해서 아래 확인
[참고]
1. Postres for time series data, Medium
# yolov8 설치 후 학습과 테스트의 예
(1) pip가 깨어졌을 때, base에서
conda install --force-reinstall pip
(2) 아래 오류
ERROR: Could not install packages due to an OSError: [Errno 2] No such file or directory:
> pip3 install --upgrade --user pip
객체 주입 후 한번에 실행하기
응용 예
torch.Size([8, 32, 16]) torch.Size([8, 32, 16])
[torch.Size([8, 32, 16]), torch.Size([8, 32, 16])]
(True, False, False, True)
{'op1': False, 'op2': True, 'op3': True} {'op4': True}
['NOx', 'O2', 'NOxIn', 'O2out']
[{'NOx': [('op1', '_gt'), ('op2', '_lt'), ('op3', '_in')]}, {'O2': [('op4', '_lt'), ('op5', '_in')]}, {'NOxIn': [('op1', '_gt'), ('op2', '_lt'), ('op3', '_in')]}, {'O2out': [('op4', '_lt'), ('op5', '_in')]}]
[References]
1. D:\2022\Pattern_Test
위치: D:\2023\TemporalFusionTransformer
설치 방법 (가상환경 torch310)
가구별 전력량 예측용 데이터의 경우
[References]
1. Medium blog TFT: https://towardsdatascience.com/temporal-fusion-transformer-time-series-forecasting-with-deep-learning-complete-tutorial-d32c1e51cd91
2. [2023년 4월]
-XGBoost, LightGBM: https://www.youtube.com/watch?v=4Jz4_IOgS4c
-WRN 코드: https://github.com/creinders/ChimeraMix/tree/main/models
-데이터 분석-클리닝: https://double-d.tistory.com/m/14
-데이터 정제와 정규화-사이킷런 기초: https://cyan91.tistory.com/m/40
-Data cleaning in 5 easy steps+Examples:
https://www.iteratorshq.com/blog/data-cleaning-in-5-easy-steps/
-우리가 pytorch lightning을 써야 하는 이유:
https://baeseongsu.github.io/posts/pytorch-lightning-introduction/
-트랜스포머 이해 굿: https://www.youtube.com/watch?v=AA621UofTUA
-OpenRefine 툴: https://www.youtube.com/watch?v=nORS7STbLyk / https://www.youtube.com/watch?v=oRH-1RG8oQY
-TFT 적용 예제: https://github.com/IKKIM00/stock-and-pm2.5-prediction-using-TFT / https://dacon.io/competitions/official/235736/data
위치: D:\2023\TemporalFusionTransformer
[Reference]
> D:\2023\poop_wrn로 이동
도커 실행 명령
1. windows에서는 set 명령으로 환경변수를 볼 수 있으며, BENTOML_HOME=d:\2023으로 설정된 것 확인 가능
> set
2. DNN학습->Bento 생성->Docker 이미지 생성의 순으로 진행됨.
> bentoml build # Bento파일 생성
> bentoml containerize <bentofile:tag>
3. Bento파일 생성 시에, bentofile.yaml 설정파일 사용. Custom docker를 위해서 bentofile.yaml에 지정된 Dockerfile.template 사용
4. 생성된 Bento파일(BENTNML_HOME 아래)의 해당 경로에 만들어진 Dockerfile을 봐서 Dockerfile.template 적용 확인
5. Bento 파일을 이용하여 Docker 이미지 생성
> bentoml containerize poopup_demo:latest
6. 컨테이너 실행
> docker run --user poop -it --rm -p 3010:3000 --gpus all poopup_demo:leo2pupckkeizqb4 serve --production