#gpu

맥북에어 vs 맥북프로

안녕하세요. 백엔드 개발의 희망하는 대학생입니다 이번에 군대를 전역하고 나오면 애플복지스토어에서 맥북을 구매하려고 하는데 에어로도 충분할지 더 투자하더라도 프로로 가야할지 고민입니다 ssd용량은 512gb로 충분할까요? 1tb로 가야할까요? 1.맥북에어15(m3) cpu : 8core gpu : 10core 메모리 24gb 금액: 234만 2.맥북프로16(m4pro) cpu : 14core gpu : 20core 메모리 24gb 금액: 339만 2.맥북프로16(m4pro) cpu : 14core gpu : 20core 메모리 48gb 금액: 399만

갤럭시북 5 프로 VS M4 맥북 프로

안녕하세요. 이제 대학교 4학년 올라가는 컴공 학생입니다! 제가 노트북을 바꾸려고 하는데, 어떤 노트북이 나을까요? 조건 1. 현재 패드, 스마트폰 등 모든 전자기기를 갤럭시 제품으로 사용하고 있습니다. (갤럭시 제품을 연동하기 좋음) 2. 지금 사용하고 있는 노트북은 그램이며, 사양은 i5, 램 8GB, 저장공간 232GB입니다. 3. 1년 뒤에 졸업해서 취직할텐데, 지금까지 윈도우만 사용해왔어서 그때 맥북을 사용하게 된다면 잘 적응할 수 있을지가 걱정입니다. 그래서 미리 맥북을 사서 경험을 해 보는 게 좋지 않을까 라는 생각을 하고 있습니다. 4. 지금 구매하고자 하는 갤럭시북 프로와 맥북 프로의 사양은 다음과 같습니다. - 갤럭시북5 프로 14인치 윈도우 11 Ultra 7 Processor 258V Intel® ArcTM 140V GPU (16GB) (내장 그래픽) 램 32GB 저장공간 512GB 1,795,000원 - m4 맥북 프로 14인치 10코어 CPU 10코어 GPU 램 16GB 저장공간 512GB 2,240,000원 조언 부탁드립니다. 미리 감사합니다!

gpu 노드에 gpu-operator 설치가 불가한 이유

nvidia-smi 명령어시 문제없이 gpu 관련 내용 표기 위 gpu노드를 kubespray로 추가하여 기존에 설치되어있던 gpu-operator파드가 crashloopbackoff상태로 유지 해당 gpu노드 kubelet도 정상실행되며 gpu-operator만 pod가 실행되나 container가 죽는 이유가 뭐야?

gpu노드에서 request,limit 수정 명령어

gpu노드에서 request,limit 수정하는 명령어 알려주세요

특정 gpu노드에 request,limit이 잘못표기되면 오류나나요?

gpu 노드에 describe로 확인해보니 request > limit으로 잡혀있고 overcommitted로 표기되는데 이 문제때문에 이 노드에 파드 재스케쥴링 및 삭제가 안되고 초기화 및 파드생성에 멈춰있습니다. 문제가 뭘까요?

AI 챗봇 프로젝트 시작

AI에 대해 무지하지만 벨로그에 올라온 AI 프로젝트를 보고 너무 재밌어보여서 한번 시도해 보고 싶은 학생입니다. 카카오 챗봇, 디스코드 봇, 아니면 웹사이트에 간단하게 사람들의 말투를 학습 시켜서 대화 가능한 봇을 만들어서 올리고 싶은데 어떤 스택을 사용해서 만들어야 하는지 모르겠습니다. 이미 있는 모델로 학습을 시키면 되는거 같기도 하고 GPT 어시스턴트를 이용하는거 같기도 하는데 뭘로 시작하면 좋을지 궁금합니다. 깊게 파보지는 않고 간단하게 토이프로젝트로 시작하려고 합니다. 궁금한점 1. 챗봇 토이프로젝트를 시작하기 좋은 방법(강의, 책, 필요한 스택) 2. AI 학습과 GPU 상관관계 (서버로 연결해서 학습하거나 GPT 어시스턴트를 쓰면 그래픽 카드 성능은 안중요해 보여서 어떤지) 3. 혹시 GPU가 중요하다면 위와 같은 프로젝트를 만들때 적당한 그래픽 카드 4. M3 pro 사용 중인데 이걸로는 AI 학습이 불가능한지

학부생 노트북 사양 괜찮은지 투표 부탁드립니다!

OS: Windows 11 home 화면 크기: 16인치 CPU: 인텔 코어 Ultra7 프로세서 155H 메인 메모리: 16GB(온보드) 그래픽: 내장형 인텔 Arc SSD: 512 GB + 확장 슬롯 1 무게: 1,199 g 컴퓨터 공학과 학부생 노트북 사양 이정도면 충분할까요?? 램을 32GB로 맞추고 그래픽도 NVIDIA GeForce RTX 3050 4GB Laptop GPU로 하고 싶은데 가격이 30만원 이상 차이나서 고민되네요... 투표 부탁드립니다!

맥북 사양 괜찮은가요?

현재는 플러터 하고있습니다 개인노트북으로는 맥북이 없어서 하나 장만하려고하는데 프로까지 필요할까요? 지금 생각으로는 MacBook Air 13 M3 CPU 8코어 GPU 10코어 16GB 512GB 실버 영문키보드 제품 애플케어포함 2,133,750원 이 제품 생각하고 있는데 사양 괜찮을까요? 앱 개발 계속 할려면 프로까지 가야할까요? 가격은 250까지는 생각해볼만한것같습니다 이정도도 너무 오버스펙인가요? 적당한가요? 😭 회사에서는 맥북프로 사용하고 있고 컴퓨터 사양에 대해서는 잘 모르겠어서 질문 남겨봅니다! + 현재는 플러터 하고있고, 사실 플러터를 계속 할지는 잘 모르겠습니다 이제 곧 1년차되는 개발자입니다!!

서버/회의실 예약 시스템 뭐가있을까요?

연구팀에서 일하는데, 회사 GPU 리소스가 충분치 않다보니 직원들끼리 서버사용관련 문제가 많더라고요 ㅠ 누가언제 서버 쓸지 예약하는 시스템을 도입하고 싶은데 마땅한 툴을 못찾겠어서 글 올립니다...! 마치 회의실 예약하듯이 해당 리소스를 언제부터 언제까지 쓸지 캘린더뷰로 볼 수 있으면 좋겠는데, 다른 회사는 어떻게 운영하시는지 궁금합니다.

프론트엔드 개발자 맥북 추천

이제 부트캠프4개월정도 다녔습니다. 맥북 지원이있어서 쓰는중인데 종료 이후에도 맥북을 쓸려고 검색하니 노트북에 대해 잘 몰라 스펙 고민이 되어 올립니다. M2,Gpu,ram,저장용량정도는 높을 수록 좋다는건아는데 그정도로 돈이 많은건 아니라서요.. 프론트엔드 개발자가 잠깐쓰고 중고올리는게 아니라 앞으로 계속 쓸수있는 선에서의 맥북 스펙 추천받을 수 있을까요..?

ai에서 파이썬을 사용하는 이유가 무엇인가요?

ai는 수많은 병렬연산을 계속해야하기에 연산의 효율성이 중요하다고 생각합니다 파이썬은 언어중에서도 C++, Java, Js보다도 느린 지표를 나타내는데 에너지 효율성, 속도가 중요한 ai작업에 압도적으로 많이 사용하는 이유가 무엇인가요? 언어별 속도 비교가 cpu 기준이긴 했어서, gpu 연산에선 큰 차이가 없는걸까요? 파이썬의 접근성 측면만 보고 선택했다기엔 ai가 비전공자들은 다가가기 힘든만큼, 오히려 더 납득하기가 어려웠습니다 라이브러리 생태계를 강조하기도 하는데, 라이브러리도 결국 파이썬이 ai에 적합한면이 있었기 때문에 생겨난것이라 생각하여 질문드립니다.

프로젝트에서 github에 올려야하는 파일

이번에 gpu프로젝트를 하면서 처음으로 많은 라이브러리를 사용해 봤습니다. 근데 저는 항상 깃허브를 원격저장소로 git해서 이번에도 하려고하는 데 못 올리는 파일이 있는 거 같습니더다. git에 올려야하는 파일과 올리지 말아야하는 파일을 구분해주세요 부탁드립니다.(ex) x86, debug,include,vc++파일 등등)

어떤 맥북을 살지 고민입니다...

용도는 프론트, 백엔드, 앱개발 입니다. 회사 프로젝트 말고 따로 스스로 공부하려고 사려고 합니다. 한번 사고 오래쓸거 이왕 좋은걸로 사자 해서 최대한 쓸 수 있는 만큼 돈을 정했습니다. (애플케어플러스까지해서 400만원 정도 생각했습니다) 기본형과 고급형이 30만원 차이가 나는데 CPU 코어와 GPU 코어 갯수 말고는 다른 점이 없더라구요 CPU 코어와 GPU 코어의 차이가 30만원의 값어치를 할까요? 1. M3 맥북 프로 기본형 (32GB + 1TB 업그레이드, CPU 11코어, GPU 14코어) : ￦3,449,000 2. M3 맥북 프로 CTO 고급형 (32GB + 1TB 업그레이드, CPU 12코어, GPU 18코어) : ￦3,776,000

맥북 스펙 조언 부탁드립니다.

안녕하세요, 이제 컴퓨터공학과 4학년 올라가는 학생입니다. 지금까지 백엔드 쪽에 관심이 많아서 계속 그 위주로 공부를 해왔는데 노트북을 오래 쓰기도 했고, 만들어보고 싶은 앱도 생겨서 맥북을 구매하려고 합니다. 원래는 14 프로 / m3 칩 / 메모리 16gb / ssd 512gb 로 구매하려고 했으나, 매장에서 직원분이 m3 pro 칩을 추천해주셨습니다. 진로가 개발쪽이기도 하고 금액도 30만원 차이밖에 안 난다고 해서..ㅎㅎ 그럼 m3 pro 칩 / 메모리 18 / ssd 512 이고 11코어 cpu, 14코어 gpu로 코어랑 메모리가 늘어나는데, 이 금액이면 그냥 기존 선택(m3칩)에서 메모리를 24gb로 올려서 구매할까 싶기도 합니다. 8코어에 메모리가 24냐, 11코어에 메모리 18을 하느냐가 고민입니다. 아니면 16으로도 충분할까요,,? 조언 주시면 감사하겠습니다!

석사 졸업생 커리어 시작 고민...

• 스펙 학부: SSH 경제대학 (GPA: 4.3x/4.5) 석사: SPK AI (4.0x/4.3) (눈에 띄는 실적은 없습니다. 2저자 논문 2편, 졸업논문 하나 ) • 분야 특수 도메인 Application 및 자연어처리 • 상황 2022.11 ~ 2023.4 대기업 특수 도메인 인턴 2023.2 졸업 2023.5 ~ 2023.6 동사 정규직 지원 & 면접 탈락 2023.7 ~ 2023.9 자연어처리 단기 계약직 수행 2023.10 ~ 2023.12 L사 계열사 두 곳 면접 탈락 • 상황 - 내년 30대 진입. - 대학원 재학 중 가장 공을 들인 main 연구는 전통 NLP 연구로 보기에는 애매한 상황이며, 특수 도메인에 대한 연구이기때문에 제조업 기반 기업 PT에서는 항상 지양하는 주제였습니다. 메인 연구에 대한 PT 발표에서, '우리가 하고 있는 것과 연관짓기 어렵다.'라는 이야기를 많이 들었고, 자연어처리 연구 참여 및 관심도 어필은 통하지 않았습니다. 한편, 2저자 논문 두 편은 자연어처리와 관련된 연구입니다. 엎친 데 덮친 격으로, 하필 인턴을 하던 시기 ChatGPT가 등장하면서 최근의 기업들은 LLM 연구 경험자 및 관련 업무 수행 경력자를 찾고 있는 상황입니다. 이 부분은 GPU 자원이 필요한 상황이니, 감히 수행하기도 어려운 상황입니다. --- 서류 탈락도 많았거니와, 모든 석사 과정 생활이 부정당하는 느낌이라 굉장히 심적으로 고통스럽습니다. 인턴 타이밍도 안 좋았거니와, '길을 잘못 들었다'라는 후회감과 앞으로의 미래에 대한 두려움과 걱정이 밀려옵니다. 학부 마치고 졸업한 친구들은 벌써 대리 달거나 이직하는데, 정작 석사 졸업하고 이러고 있으니... 죽고 싶다는 생각이 참 많이 드는 요즘입니다. 지금 제가 판단하기에는, 1. 대기업에 어차피 못 간다. - AI 트렌드가 빠르게 바뀌고 있고, 해당 트렌드를 팔로업하기에는 자원이 없으며, 추후에 대기업에 지원하더라도 기존 연구는 old-fashioned 해지고 있으니, 포기하는 것이 맞다. 나이도 30대 인지라, 도전한다는 것이 맞는지 모르겠다. 2. 스타트업에서 '시작'을 한다면, 앞으로의 커리어가 험난해질 수 있다. - 스타트업을 가더라도 '괜찮은' 스타트업으로 가야하는데, 그 '괜찮은'의 기준이 무엇인지도 모르겠으며, 생각보다 스타트업이 요구하는 스택이 더 높은 곳도 있다. - 나이를 생각했을 때, 커리어를 잘못 시작하면 다시 돌아오지 못할 수도 있으며, 급여도 상당히 낮게 책정되는 경우들이 있다. - '아무 곳'에서나 시작을 해도 되는 것이 과연 맞는 것인가? (ex. 물경력) 등등의 생각을 하고 있습니다. 이 상황의 저는 어떤 스탠스를 취하는 것이 좋을까요? 가능하다면 비CS이지만, AI / ML Engineer 쪽으로 이동하여 프로덕트 레벨에서 고민하고 싶습니다. 조심스레, 선배님들께 말씀 여쭙니다...

Yolov8 모델 저장

안녕하세요 Vscode에서 train폴더에서 model = YOLO("yolov8m.pt") # GPU설정 model = model.to(device) model.train(data='data.yaml', epochs=5) torch.save(model.state_dict(), 'yolov8m_trained.pt') 다음과 같이 모델을 학습 시킨후 Predict폴더에서 # 모델 경로와 이미지 경로를 설정합니다. MODEL_PATH = 'yolov8m_trained.pt' # 모델 가중치 파일의 경로를 설정하세요. IMAGE_PATH = 'image.jpg' # 예측을 원하는 이미지 파일의 경로를 설정하세요. # YOLO 모델을 불러옵니다. model = YOLO("yolov8m.pt") model.load_state_dict(torch.load(MODEL_PATH)) model.eval() 이런식으로 모델을 예측하는 용도로만 사용하고 싶은데 자꾸 모델의 구조가 다르다고 오류가 나는데 어떻게 해야할까요? ㅠㅠ

도와주십쇼 맥북 이용하시는 형님들ㅠ

2023 m2 프로 12코어 램 32긱 2023 m3 프로 11코어 gpu 14코어 램 18긱 둘 중에 무엇을 사야하나 고민중입니다... 용량은 모두 512긱에 가격은 m3가 40만원가량 더 저렴합니다. 용도는 안드로이드, ios, 웹 개발과 서버 관리입니다. 빠른 시일 내에 결정해야하는 상황인지라 많은 도움 부탁드립니다ㅠㅜ

Tensorflow 분산처리시 data연속성 보장에 관하여

xlnet,transformer_xl과 같은 모델을 사용할 경우 data는 batch와 batch간에도 이어집니다. 이 때 2개 이상의 GPU를 사용하여 tf.distribute.MirroredStrategy 방식으로 병렬처리를 한다면 data의 연속성이 보장되지 않은 것이라 생각합니다. 이럴 경우 제가 생각하는 데이터의 연속성이 학습에 중요한 영향을 미칠까요? 만약 그렇다면 이 문제를 해결 할 수 있는 방법이 있을까요?

gpu 1개로 cuda,cudnn 버전을 wsl2와 window10에서, 각각 다른 버전을 사용할수 있나요?

집에있는 pc의 운영체제는 window10, gpu는 gtx1070 1개이고, wsl2를 설치해서 ubuntu20.04를 사용하고 있는데, window10 에는 cuda 10.1, cudnn 7.6.4 를 사용하고 있는데, wsl2에서도 gpu를 쓰려고 하는데,cuda 11.2, cudnn 8.1을 쓰고 싶은데, 1대의 gpu로 window10과 wsl2에서 다른 버전으로 각각 사용할수 있을까요? * tensorflow 사용중

딥러닝 연구생입니다. 개인 GPU 서버를 확보하고 싶습니다

현재 자대에서 음성처리 연구생입니다. 논문 구현이나 제 아이디어가 실제로 효과가 있는지 확인하고 싶은 욕망이 연구자로서 많이 들 때가 많습니다. 하지만 자대 환경은 보안상 이유로 외부 접속이 안되는 경우가 많아, 퇴근이나 기타 외부로 나가 있는 경우, 많이 제한되는 걸 느꼈습니다. 혹시 다른 분들은 이러한 문제점에 봉착하신다면, 어떤 방식의 해결 방안이 있을까요??

yolov5 훈련 시간

현재 제가 사용하고 있는 로컬의 사양은 i711700, 32g ram, rtx 4070 vram12g입니다. 코랩에서 제공하는 gpu(t4)보다 상위의 사양으로 알고 있습니다. 간단한 이미지 분류에서도 훈련 시간 차이에서 확인하였습니다. 본론으로 들어가 현재 저는 1200장의 데이터 중 300장을 train test split하여 yolov5모델을 학습하고 검증 중입니다. 여기에서 학습을 하기 위한, yolov5의 train.py를 실행할 때, 똑같은 데이터와 코드로 colab에서는 300장을 훈련시키는데에 10분 채 걸리지 않는데, 저의 로컬에서는 7시간이 지나도 훈련 중입니다. 하지만 300장이 아닌 100장으로 로컬에서 훈련 시켰을 땐 90초 이내로 훈련이 완료되었습니다. 이 문제에 대해 설명해주시면 감사하겠습니다.

Python 배포 관련 질문합니다.

Exe 파일로 배포했을때 코드 내에 gpu 사용을 강제하는데.. 혹시 로컬컴퓨터의 cuda버전의 설치파일을 배포받을 다른 컴퓨터에 설치하면 실행이 되나요?

마신러닝 모델 배포

안녕하세요 백엔드 주니어 개발자입니다. 머신 러닝 배포 관련해서 여쭤볼 것이 있어 글 남겨요 저희 회사에서 현재 stable diffusion을 발전시킨 모델을 배포해서 실시간 이미지 렌더링 서비스를 출시중에 있습니다. 다만 이미지 렌더링시 들어갈 리소스들(gpu 등)이 너무 많고 그 과정을 병렬처리하는데 어려움을 겪고 있는 중입니다. 혹시 이 부분 관련해서 현재 다른 서비스 등에서 어떤 식으로 하는지 알 수 있을까요?

머신러닝 관련 질문이 있습니다

머신러닝 공부할 때 gpu 성능에 의해 모델 훈련 시간이 크게 좌우된다고 들었습니다. 공부한지 얼마 안되어서 체감을 못하고 있었는데 최근에 GAN인 액션이라는 책을 보면서 실습하고 있는데 훈련 시간이 1시간, 2시간이 되길래 그래픽카드를 구매해야하나 싶습니다 .. 안그래도 중고로 받아서 쓰던 RX570이 오락가락하고 구글링해서 GPU 훈련을 활성화하려고해도 텐서플로에서 GPU인식도 못하더군요 .. GPU를 바꿔주면 훈련 시간이 크게 개선될까요? 그리고 GPU는 무조건 좋은게 더 나은가요? 추가로 GPU외에 CPU나 램도 영향이 있는지 궁금합니다 구글에 검색해보면 대부분 CPU와 GPU 비교만하고 CPU와 RAM이 구체적으로 어떤 영향을 미치는지, 정량적으론 얼마나 차이나는지는 감이 안잡히더군요 ..