Deep Learning Class Codes

이 저장소는 딥러닝 수업에서 사용되는 코드 예제들을 포함하고 있습니다.

디렉토리 구조

.
├── examples/
│   ├── 01-intro-to-neural-networks/ # 신경망 입문
│   │   ├── README.md              # 디렉토리 설명
│   │   └── pytroch_example_codes.ipynb  # PyTorch 기초 예제
│   │
│   ├── 02-ML-review/              # 머신러닝 기초 복습
│   │   ├── README.md              # 디렉토리 설명
│   │   ├── 01_linear_regression_numpy.py    # NumPy로 구현한 선형 회귀
│   │   ├── 02_linear_regression_pytorch.py  # PyTorch로 구현한 선형 회귀
│   │   ├── 03_logistic_regression_numpy.py  # NumPy로 구현한 로지스틱 회귀
│   │   └── 04_logistic_regression_pytorch.py # PyTorch로 구현한 로지스틱 회귀
│   │
│   └── 03-MLP/                    # 다층 퍼셉트론
│       ├── README.md              # 디렉토리 설명
│       ├── fashion_mnist_mlp.py   # Fashion MNIST MLP 구현
│       ├── fashion_mnist_mlp.ipynb # Fashion MNIST MLP Jupyter Notebook
│       ├── iris-with-softmax.py   # IRIS 데이터셋 Softmax 구현
│       ├── iris-with-softmax.ipynb # IRIS 데이터셋 Softmax Jupyter Notebook
│       ├── iris-with-pytorch.py   # IRIS 데이터셋 PyTorch 구현
│       └── iris-with-pytorch.ipynb # IRIS 데이터셋 PyTorch Jupyter Notebook
│
└── README.md                      # 이 파일

예제 실행 방법

1. 신경망 입문 (examples/01-intro-to-neural-networks/)

Jupyter 노트북을 실행하려면:

jupyter notebook examples/01-intro-to-neural-networks/pytroch_example_codes.ipynb

2. 머신러닝 기초 복습 (examples/02-ML-review/)

선형 회귀

• NumPy 버전:

python examples/02-ML-review/01_linear_regression_numpy.py

• PyTorch 버전:

python examples/02-ML-review/02_linear_regression_pytorch.py

로지스틱 회귀

• NumPy 버전:

python examples/02-ML-review/03_logistic_regression_numpy.py

• PyTorch 버전:

python examples/02-ML-review/04_logistic_regression_pytorch.py

3. 다층 퍼셉트론 (examples/03-MLP/)

Fashion MNIST MLP

python examples/03-MLP/fashion_mnist_mlp.py

IRIS 데이터셋 MLP

• Softmax 버전:

python examples/03-MLP/iris-with-softmax.py

• PyTorch 버전:

python examples/03-MLP/iris-with-pytorch.py

필요한 패키지

이 프로젝트를 실행하기 위해 필요한 주요 패키지들입니다:

pip install numpy
pip install pandas
pip install matplotlib
pip install scikit-learn
pip install torch
pip install torchvision
pip install seaborn
pip install jupyter

주의사항

1. 한글 폰트 설정

   • matplotlib에서 한글을 표시하기 위해 나눔고딕 폰트가 필요합니다.
   • Windows의 경우: C:\Windows\Fonts\NanumGothic.ttf
   • Linux의 경우: /usr/share/fonts/truetype/nanum/NanumGothic.ttf

2. CUDA 지원

   • PyTorch 예제들은 CUDA가 설치된 경우 자동으로 GPU를 사용합니다.
   • GPU 사용이 필요한 경우 CUDA와 cuDNN이 설치되어 있어야 합니다.

라이선스

이 프로젝트는 MIT 라이선스를 따릅니다.

Deep Learning Course Environment

이 프로젝트는 딥러닝 강좌를 위한 Docker 기반 개발 환경을 제공합니다.

사전 요구사항

• Docker Desktop
• NVIDIA GPU (선택사항, GPU 가속을 위해 필요)

설치 방법

Windows 사용자

1. Docker Desktop 설치

   • Docker Desktop for Windows 다운로드 및 설치
   • 설치 후 Docker Desktop 실행

2. NVIDIA GPU 사용자 (선택사항)

   • NVIDIA Driver 설치
   • NVIDIA Container Toolkit 설치

Mac/Linux 사용자

1. Docker 설치

   • Mac: Docker Desktop for Mac 설치
   • Linux:

     curl -fsSL https://get.docker.com -o get-docker.sh
     sudo sh get-docker.sh

2. NVIDIA GPU 사용자 (Linux만 해당)

   • NVIDIA Driver 설치
   • NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

1. start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:

   start.bat

Mac/Linux 사용자

1. 스크립트에 실행 권한 부여:

   chmod +x start.sh

2. 스크립트 실행:

   ./start.sh

접속 방법

• Jupyter Notebook이 시작되면 웹 브라우저에서 http://localhost:8888 접속
• 토큰은 터미널에 표시됩니다

주의사항

• Docker Desktop이 실행 중이어야 합니다
• GPU 사용 시 NVIDIA 드라이버가 올바르게 설치되어 있어야 합니다
• 컨테이너 종료는 Ctrl+C를 누르거나 터미널 창을 닫으면 됩니다

문제 해결

• Docker가 실행되지 않은 경우: Docker Desktop을 실행한 후 다시 시도하세요
• GPU 관련 문제: NVIDIA 드라이버와 Container Toolkit이 올바르게 설치되어 있는지 확인하세요
• 포트 충돌: 8888 포트가 사용 중인 경우 다른 포트를 사용하도록 설정을 변경할 수 있습니다

Docker 환경 설정 및 연결 방법

1. Docker 설치 확인

# Docker 설치 확인
docker --version

# Docker 실행 상태 확인
docker info

2. Docker 이미지 빌드 및 실행

# 프로젝트 디렉토리로 이동
cd /path/to/your/project

# Docker 이미지 빌드
docker-compose build

# Docker 컨테이너 실행
docker-compose up

3. Jupyter Notebook 접속

• 웹 브라우저에서 http://localhost:8888 접속
• 토큰은 터미널에 표시됩니다
• 토큰이 보이지 않는 경우 다음 명령어로 확인:

docker logs $(docker ps -q --filter name=jupyter)

4. Docker 컨테이너 관리

# 실행 중인 컨테이너 확인
docker ps

# 컨테이너 중지
docker-compose down

# 컨테이너 재시작
docker-compose restart

# 로그 확인
docker-compose logs

5. GPU 사용 확인

# NVIDIA GPU 확인
nvidia-smi

# Docker 컨테이너에서 GPU 사용 확인
docker exec -it $(docker ps -q --filter name=jupyter) nvidia-smi

6. 문제 해결

• 포트 충돌 시: docker-compose.yml 파일에서 포트 번호 변경
• 메모리 부족 시: Docker Desktop 설정에서 리소스 할당량 조정
• GPU 인식 문제: NVIDIA 드라이버와 Container Toolkit 재설치