Pytorch11 ERROR: Error assigning value 100 to attribute 'GPUTargetFanSpeed' 해결 Nvidia gpu 팬 속도를 조절하기 위해 보통 다음과 같은 스크립트를 이용한다.sudo nvidia-settings -a '[gpu:0]/GPUFanControlState=1'sudo nvidia-settings -a '[fan:0]/GPUTargetFanSpeed=100'그러나 GPUFanControlState=1 할당은 되는데 정작 속도조절은 에러가 나는 경우가 있다. ERROR: Error assigning value 100 to attribute 'GPUTargetFanSpeed'(my:[fan:0]) as specified in assignment '[fan:0]/GPUTargetFanSpeed=100' (Unknown Error). 본인의 경우 이 문제는 'CoolBits' 권한 문제가 아.. 2025. 10. 29. pytorch라이브러리 undefined symbol에러 해결 pytorch 서버를 쓰다보면 정말 가끔 정식버전이 아닌 alpha/night와 같은 베타버전이 설치된 경우가 있다.그러나 torch기반 라이브러리는 torch버전에 매우 민감하기때문에torch 2.1.0과 torch2.1.0a0+b5021ba를 다르게 취급한다.따라서 라이브러리 호출시 반드시 아래와 같은 오류를 출력한다. ImportError: /home/work/.local/lib/python3.10/site-packages/mmcv/_ext.cpython-310-x86_64-linux-gnu.so: undefined symbol: 이는 우리가 라이브러리를 설치할때 torch버전을 다음과 같이 지정해서 설치하기 때문이다. mim install mmcv-full==1.7.2 -f https://down.. 2025. 10. 22. mmcv 라이브러리 Blackwell (sm_120), torch 2.7, CUDA 12.8 최근 출시된 NVIDIA 50시리즈나, Pro 6000 Blackwell 시리즈는 pytorch 버전이 2.7부터 지원이 된다.왜냐하면 새로운 버전이 출시되며 칩 버전도 변경되었기 때문이다. sm_120 : Blackwell - 50시리즈sm_89: Ada lovelace - 40시리즈sm_86: Ampere - 30시리즈 따라서 2.7 미만 버전을 설치하고 코드를 실행하면 아래와 같은 버그를 보게된다. PyTorch not supporting CUDA compute capability 12.0 (sm_120), required for the NVIDIA GeForce RTX 5060. 이 sm_120은 pytorch 2.7.0부터 공식적으로 지원해주는데 문제는 pytorch외의 라이브러리에서 발생하게 .. 2025. 9. 17. 터미널마다 다른 CUDA버전 적용하는 법 코드를 돌리다보면 어쩔 수 없이 다른 CUDA 버전을 사용해야 할 때가 있다.먼저 컴퓨터에 설치된 cuda 종류를 확인하자.ls /usr/local/ | grep cuda이제 원하는 버전을 아래 코드를 실행하여 적용하면 된다.export CUDA_HOME=/usr/local/cuda-11.3export PATH=$CUDA_HOME/bin:$PATHexport LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH이러면 그 터미널에서는 cuda 버전이 11.3 으로 적용된다. 아래 코드로 확인하자nvcc -V 2025. 3. 27. 랜덤시드 고정 안될때 Pytorch 실험할 때는 재현성을 위해 랜덤 시드를 고정해야 한다.이때 보통 다음코드를 써서 고정을 한다.print("random seed fix--")torch.manual_seed(args.seed)random.seed(args.seed)os.environ['PYTHONHASHSEED'] = str(args.seed)np.random.seed(args.seed)torch.cuda.manual_seed(args.seed)torch.cuda.manual_seed_all(args.seed)torch.backends.cudnn.deterministic = Truetorch.backends.cudnn.benchmark = Falsetorch.backends.cudnn.enabled = False이렇게 see.. 2025. 3. 25. Pytorch Weighted cross entropy 구현 cross entropy는 일반적으로 torch.nn 라이브러리를 통해사용할 수도 있지만, 이를 변형하기 위해서는 cross_entropy를 구현할 수도 있어야 한다. 다음은 일반적인 cross entropy다.output = model(input)output = F.log_softmax(output, dim=-1)target = F.one_hot(label, num_classes = N)loss = -(target*output).sum(dim=-1)loss = loss.sum()/output.shape[0] 이때 weighted 옵션을 주면 다음과 같다.output = model(input)output = F.log_softmax(output, dim=-1)target = F.one_hot(label,.. 2024. 4. 26. 이전 1 2 다음
