🔥알림🔥
① 테디노트 유튜브 -
구경하러 가기!
② LangChain 한국어 튜토리얼
바로가기 👀
③ 랭체인 노트 무료 전자책(wikidocs)
바로가기 🙌
④ RAG 비법노트 LangChain 강의오픈
바로가기 🙌
⑤ 서울대 PyTorch 딥러닝 강의
바로가기 🙌
캐글 노트북(Kaggle Notebook) 도커에 한글 자연어처리 패키지를 추가한 딥러닝 도커 배포, 설치 및 실행
캐글 노트북(Kaggle Notebook) 커널로도 유명한 도커인 Kaggle/docker-python의 GPU Docker(gpu.Dockerfile)를 기반으로 구성하였습니다. Kaggle에서 공개한 도커 이미지는 한글 폰트, 자연어처리 패키지, 형태소 분석기 등이 누락되어 있습니다.
deepko를 만들게 된 계기는 안정적으로 업데이트 되고 있는 주피터 GPU 도커에 기반하여 한글 폰트, 한글 자연어처리 패키지(konlpy), 형태소 분석기(mecab), Timezone 등의 설정을 추가하여 별도의 한글 관련 패키지와 설정을 해줘야 하는 번거로움을 줄이기 위함입니다.
2023년 버전으로 신규 패키지를 업데이트 하였습니다
- 도커 Hub 주소: teddylee777/deepko
- GitHub 주소: teddylee777/deepko
도커 환경
- OS: Ubuntu18.04
- GPU: RTX3090 x 2way
- CUDA11
- Python (anaconda): 3.7.10
추가 설치된 항목과 Python 패키지
- apt 패키지 인스톨러 카카오 mirror 서버 추가
- 나눔고딕 폰트 설치
- matplotlib 에 나눔고딕 폰트 추가
- mecab 형태소 분석기 설치 및 파이썬 패키지 설치
- konlpy: 한국어 정보처리를 위한 파이썬 패키지
- py-hanspell: 네이버 맞춤법 검사기를 이용한 파이썬용 한글 맞춤법 검사 라이브러리
- soynlp: 한국어 자연어처리를 위한 파이썬 라이브러리
- soyspacing: 띄어쓰기 오류 교정 라이브러리
- KR-WordRank비지도학습 방법으로 한국어 텍스트에서 단어/키워드를 자동으로 추출하는 라이브러리
jupyter_notebook_config.py: Jupyter Notebook 설정 파일 추가
설치된 주요 라이브러리
catboost 0.25.1
cudf 0.16.0
fastai 2.2.7
fasttext 0.9.2
fbprophet 0.7.1
gensim 4.0.1
huggingface-hub 0.0.9
hyperopt 0.2.5
kaggle 1.5.12
Keras 2.4.3
Keras-Preprocessing 1.1.2
konlpy 0.5.2
krwordrank 1.0.3
lightgbm 3.2.0
matplotlib 3.4.2
mecab-python 0.996-ko-0.9.2
missingno 0.4.2
mlxtend 0.18.0
nltk 3.2.4
numpy 1.19.5
opencv-python 4.5.2.52
pandas 1.1.5
plotly 4.14.3
plotly-express 0.4.1
py-hanspell 1.1
scikit-image 0.18.1
scikit-learn 0.24.2
scikit-surprise 1.1.1
scipy 1.6.2
seaborn 0.11.1
sentencepiece 0.1.95
soynlp 0.0.493
soyspacing 1.0.17
spacy 2.3.5
SQLAlchemy 1.4.3
statsmodels 0.12.2
tensorboard 2.4.1
tensorflow 2.4.1
tensorflow-datasets 3.0.0
Theano 1.0.5
torch 1.7.0
torchaudio 0.7.0a0+ac17b64
torchmetrics 0.3.2
torchtext 0.8.0a0+cd6902d
torchvision 0.8.1
wordcloud 1.8.1
xgboost 1.4.2
빠른 설치 및 실행
STEP 1: Docker가 사전에 설치되어 있어야 합니다.
🌱 윈도우(Windows)
-
Docker Desktop for Windows 다운로드: Docker의 공식 웹사이트(https://www.docker.com/products/docker-desktop)에서 Docker Desktop for Windows를 다운로드합니다.
-
설치 프로세스 진행: 다운로드한 설치 파일을 실행하고 지시에 따라 설치를 완료합니다.
-
도커 시작: 설치가 완료되면 도커를 시작합니다. 작업 표시줄에서 도커 아이콘을 찾을 수 있습니다.
-
도커 버전 확인: 터미널에서
docker --version명령을 사용하여 도커 버전을 확인할 수 있습니다.
🌱 맥(macOS)
-
Docker Desktop for Mac 다운로드: Docker의 공식 웹사이트(https://www.docker.com/products/docker-desktop)에서 Docker Desktop for Mac을 다운로드합니다.
-
설치 프로세스 진행: 다운로드한 .dmg 파일을 열고 Docker.app을 Applications 폴더로 드래그 앤 드롭합니다.
-
도커 시작: Applications 폴더에서 Docker.app을 실행합니다.
-
도커 버전 확인: 터미널에서
docker --version명령을 사용하여 도커 버전을 확인할 수 있습니다.
🌱 리눅스(Ubuntu)
터미널에서 다음의 순서대로 명령어를 입력합니다.
# step 1: apt-get 업데이트
sudo apt-get update
# step 2: 이전 버젼 제거
sudo apt-get remove docker docker-engine docker.io
# step 3: 도커(Docker) 설치
sudo apt install docker.io
# step 4: 도커 서비스 시작
sudo systemctl start docker
sudo systemctl enable docker
# step 5: 잘 설치 되어있는지 버젼 체크
docker --version
STEP 2: deepko 이미지 pull 하여 서버 실행
--rm: 도커가 종료될 때 컨테이너 삭제-it: 인터랙티브 TTY 모드 (디폴트로 설정)-d: 도커를 백그라운드로 실행-p: 포트 설정. local 포트:도커 포트-v: local 볼륨 마운트. local 볼륨:도커 볼륨--name: 도커의 별칭(name) 설정
DockerHub에서 이미지 다운로드
DockerHub에 미리 빌드된 이미지를 다운로드 받은 후 실행합니다.
(스트레스가 없다는 것이 장점입니다. 다만, 다운로드 시간은 오래 걸립니다.)
[참고]
jupyter_notebook_config.py 을 기본 값으로 사용하셔도 좋지만, 보안을 위해서 비밀번호 설정은 해주시는 것이 좋습니다.
비밀번호 설정 방법, 방화벽 설정 방법은 Docker를 활용하여 딥러닝/머신러닝 환경 구성하기 글의 STEP 5, 7을 참고해 주세요.
jupyter notebook 서버 실행, port는 8888번 포트 사용
docker run --runtime nvidia --rm -it -p 8888:8888 teddylee777/deepko:latest
jupyter notebook 서버 실행, 로컬 volume 마운트
docker run --runtime nvidia --rm -it -p 8888:8888 -v /data/jupyter_data:/home/jupyter teddylee777/deepko:latest
도커를 background에서 실행
docker run --runtime nvidia --rm -itd -p 8888:8888 teddylee777/deepko:latest
bash shell 진입
docker run --runtime nvidia --rm -it -p 8888:8888 teddylee777/deepko:latest /bin/bash
현재 컨테이너 접속 (container ID 입력)
docker exec -it c456623003b1 /bin/bash
빌드
DockerHub에서 다운로드 받은 도커 이미지로 실행시 빌드 과정은 생략 가능합니다.
DockerHub 다운로드
DockerHub에 미리 만들어 놓은 이미지를 다운로드 받습니다.
스트레스가 없다는 것이 장점입니다. 다운로드 시간은 오래 걸립니다.
docker run --runtime nvidia --rm -it -p 8888:8888 teddylee777/deepko:latest
Dockerfile을 수정하여 직접 빌드
커스텀이 가능합니다. 필요한 추가 패키지가 있다면 추가 구성이 가능합니다.
추가 패키지 설치를 위해서는 Dockerfile을 수정하시면 됩니다.
참고
- DockerHub 유저 아이디: teddylee777
- 도커명: deepko
- 태그: latest
git clone https://github.com/teddylee777/deepko.git
cd deepko
docker build -t teddylee777/deepko:latest .
도커 실행
--rm: 도커가 종료될 때 컨테이너 삭제-it: 인터랙티브 TTY 모드 (디폴트로 설정)-d: 도커를 백그라운드로 실행-p: 포트 설정. local 포트:도커 포트-v: local 볼륨 마운트. local 볼륨:도커 볼륨--name: 도커의 별칭(name) 설정
docker run --runtime nvidia --rm -itd -p 8888:8888 -v /data/jupyter_data:/home/jupyter --name kaggle-ko teddylee777/deepko
.bashrc에 단축 커멘드 지정
~/.bashrc의 파일에 아래 커멘드를 추가하여 단축키로 Docker 실행
kjupyter{
docker run --runtime nvidia --rm -itd -p 8888:8888 -v /data/jupyter_data:/home/jupyter --name kaggle-ko teddylee777/deepko
}
터미널에 다음과 같이 입력하여 도커 실행
kjupyter
설치 완료 후 테스트
test.ipynb 파일을 실행하여 잘 설치가 되었는지 확인할 수 있습니다.
NVIDIA
!nvidia-smi
TensorFlow
import tensorflow as tf
print(f'tf.__version__: {tf.__version__}')
gpus = tf.config.experimental.list_physical_devices('GPU')
print(gpus)
PyTorch
import torch
print(f'torch.__version__: {torch.__version__}')
print(f'GPU 사용여부: {torch.cuda.is_available()}')
gpu_count = torch.cuda.device_count()
print(f'GPU count: {gpu_count}')
if gpu_count > 0:
print(f'GPU name: {torch.cuda.get_device_name(0)}')
한글 자연어처리 패키지
from konlpy.tag import Okt, Kkma, Hannanum
sample_sentence = '아버지가방에들어가신다.'
okt = Okt()
print(f'okt: {okt.pos(sample_sentence)}')
kkma = Kkma()
print(f'kkma: {okt.pos(sample_sentence)}')
hannanum = Hannanum()
print(f'hannanum: {hannanum.pos(sample_sentence)}')
Mecab 설치 확인
from konlpy.tag import Mecab
sample_sentence = '아버지가방에들어가신다.'
mecab = Mecab()
print(f'mecab: {mecab.pos(sample_sentence)}')
머신러닝 패키지
import sklearn
import lightgbm
import xgboost
print(f'lightgbm: {lightgbm.__version__}\nxgboost: {xgboost.__version__}\nsklearn: {sklearn.__version__}')
댓글남기기