gpu2 서버에서 gpu5 서버로 파일을 전송하고자 하는 상황 1. gpu2의 터미널에서 실행 scp [gpu2에서 file path/파일명] gpu5@gpu4 ip:/home/원하는 file 위치 e.g. scp /home/workspace/file1.txt gpu5@192.168.0.0:/home/workspace2/ 파일 위치 절대경로로 2. gpu5 파일 전송 받는 유저의 비밀번호 입력 ※ 폴더를 전송하고자 할 경우 scp -r [gpu2에서 file path/파일명] gpu5@gpu4 ip:/home/원하는 file 위치
import os print(os.getcwd()) 현재 워킹디렉토리 출력!
du -sh 확인하고자 하는 디렉토리에서 사용! 하위 디렉토리들의 용량 출력
본 내용은 deeplearning from scratch 를 공부하는 차원에서 정리한 것입니다! (다들 꼭 읽어보세요 입문자에게도, 정리하는 차워에서 읽는 분에게도 좋습니다.) Softmax 함수는 주로 출력층 activation function으로 사용됩니다.주의할 점이 있는데, 기본 softmax 함수는 모든 값들을 지수함수를 사용하여 받고 계산하기 때문에 쉽게 값이 커지게 됩니다.컴퓨터가 다루는 데이터 크기가 있는데, 너무 큰 값을 큰 값으로 나누는 형태는 불안정한 결과를 낳습니다. (계산을 하지 못하는 경우가 발생합니다. 이런 문제를 overflow라고 하죠. 컴퓨터가 다룰 수 있는 범위를 넘은 것입니다!) 때문에 사용하는 트릭! 바로 입력값 중 가장 큰 값을 입력값 전체에 빼준 후, 해당 값을 ..
각 layer의 노드마다 적용되는 activation function은 연산이 이뤄진 후의 입력값의 모음(?)을 입력으로 받아 원하는 출력 신호로 변환해주는 함수입니다. 예를 들어, 인풋으로 들어오는 값이 0.5 이상이면 1로, 0.5 미만이면 0으로 출력되도록 해야겠다고 activation function을 정의할 수 있겠죠? 변환자의 역할을 하는 것입니다. 출력층의 activation function은 좀 더 특별합니다. 출력층의 activation function은 우리가 풀고자 하는 문제가 classification인지, regression인지 등.. 문제에 맞춰 정의합니다.//classification : input data가 1번 클래스일까? 2번 클래스일까?//regression: input..