Deep Learning Sample Test - PyTorch

PyTorch 예제를 실행해봤습니다. 이미지 트레이닝을 통해 노이즈를 최소화 하면서 이미지를 확대하는 'super resolution' 예제입니다. 

1. PyTorch 작업생성 및 입력파일 업로드

2. 입력파일 디렉토리 구조 - 이미지파일 311개

3. 버전 선택 및 명령어 입력

4. 하드웨어 선택 - NVIDIA - K80 GPU, Xeon E5-2690v3 6Core, 56G Memory, 360GB Stroage & Cluster Setup**

5. 작업실행 - **하나의 PyTorch 클러스터에 2개의 작업을 수행하였으며, 1개의 작업은 대기중

5-1. 작업리스트 - 295087은 실행중이며, 16077은 Queue 대기중

6. 실행화면 - 현재 진행중인 작업의 로그 및 SSH 콘솔접속을 통해 현재상태 모니터링

6-1. 콘솔을 이용한 명령어 실행 'nvidia-smi, etc..'

7. 결과

30분정도 작업시간이 걸렸습니다. 이 작업 완료후 다른 16077 작업이 바로 시작되었습니다. 

295087 결과입니다. 

output log확인

원본이미지 및 Deep Learning을 이용한 해상도확대 파일 첨부합니다. 

원본 

이미지 변환

----------------------------------------------------------------------

16077 작업완료 - 글 올리는 사이 다른 이미지 프로세싱이 종료되었습니다. 이 작업은 28분 걸렸습니다. 

클러스터 옵션을 사용한 이유는 하드웨어의 Spin on 시간이 5분에서 10분가량 소요되기때문에 

동일 S/W, 동일 버전이면 하나의 서버가 Spin on되었을때 작업을 하는게 편하여서 클러스터 작업을 하였습니다. 

과금은 1시간 단위로 되므로 

1시간 내에 있는 작업은 하나의 클러스터에서 돌리면 비용은 추가로 들지 않는 옵션이라 보면 됩니다. 

클라우드는 모든게 비용이니까 소소한 팁을 이용해서 비용을 줄일수 있습니다. 

이번작업에 동원된 하드웨어는 'NVIDIA K80 GPU-enabled, Intel Xeon E5-2690 v3' 6Core, K80 1GPU, 56G Mem, 380NVMe 1시간 사용하였고 약 1530원 가량 비용이 들었습니다.