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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

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

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
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

Docker Desktop 설치
- Docker Desktop for Windows 다운로드 및 설치
- 설치 후 Docker Desktop 실행
NVIDIA GPU 사용자 (선택사항)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

Mac/Linux 사용자

Docker 설치

Mac: Docker Desktop for Mac 설치

Linux:

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

NVIDIA GPU 사용자 (Linux만 해당)
- NVIDIA Driver 설치
- NVIDIA Container Toolkit 설치

실행 방법

Windows 사용자

start.bat 파일을 더블클릭하거나 명령 프롬프트에서 실행:
```
start.bat
```

Mac/Linux 사용자

스크립트에 실행 권한 부여:
```
chmod +x start.sh
```
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 이동cd /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

Name		Name	Last commit message	Last commit date
examples		examples
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
start-jupyter.sh		start-jupyter.sh
start.bat		start.bat
start.sh		start.sh

Name		Name	Last commit message	Last commit date
examples		examples
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
start-jupyter.sh		start-jupyter.sh
start.bat		start.bat
start.sh		start.sh

Name		Name	Last commit message	Last commit date
examples		examples
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
start-jupyter.sh		start-jupyter.sh
start.bat		start.bat
start.sh		start.sh

Name		Name	Last commit message	Last commit date
examples		examples
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
start-jupyter.sh		start-jupyter.sh
start.bat		start.bat
start.sh		start.sh

Name		Name	Last commit message	Last commit date
examples		examples
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
start-jupyter.sh		start-jupyter.sh
start.bat		start.bat
start.sh		start.sh

Uh oh!

Latest commit

History

Folders and files

Repository files navigation

Deep Learning Class Codes

디렉토리 구조

예제 실행 방법

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

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

선형 회귀

로지스틱 회귀

3. 다층 퍼셉트론 (examples/03-MLP/)

Fashion MNIST MLP

IRIS 데이터셋 MLP

필요한 패키지

주의사항

라이선스

Deep Learning Course Environment

사전 요구사항

설치 방법

Windows 사용자

Mac/Linux 사용자

실행 방법

Windows 사용자

Mac/Linux 사용자

접속 방법

주의사항

문제 해결

Docker 환경 설정 및 연결 방법

1. Docker 설치 확인

2. Docker 이미지 빌드 및 실행

3. Jupyter Notebook 접속

4. Docker 컨테이너 관리

5. GPU 사용 확인

6. 문제 해결

About

Resources

Stars

Watchers

Forks

Releases

Packages

Used by

Contributors

Languages

Uh oh!

Latest commit

History

Folders and files

Repository files navigation

Deep Learning Class Codes

디렉토리 구조

예제 실행 방법

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

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

선형 회귀

로지스틱 회귀

3. 다층 퍼셉트론 (examples/03-MLP/)

Fashion MNIST MLP

IRIS 데이터셋 MLP

필요한 패키지

주의사항

라이선스

Deep Learning Course Environment

사전 요구사항

설치 방법

Windows 사용자

Mac/Linux 사용자

실행 방법

Windows 사용자

Mac/Linux 사용자

접속 방법

주의사항

문제 해결

Docker 환경 설정 및 연결 방법

1. Docker 설치 확인

2. Docker 이미지 빌드 및 실행

3. Jupyter Notebook 접속

4. Docker 컨테이너 관리