주절주절

[ubuntu 서버만들기 #4] 아나콘다 설치하기

[ubuntu 서버만들기 #5] jupyter notebook server 설정

우분투 딥러닝 서버 만들기 5번째 글이다.

이번에는 jupyter notebook을 설치하고, 서버용으로 설정하기로 해본다. 순서는 다음과 같다.

conda base 환경으로 진입
jupyter notebook 설치
jupyter notebook 서버 설정 ( password 등)

1.conda base 환경으로 진입

conda에 여러개의 가상환경이 있는 상태에서 conda activate base 명령으로 base에 진입한다.

2. jupyter notebook 설치

base인 상태에서 conda install -c conda-forge jupyter 명령으로 설치하도록 한다.

conda 환경에서는 pip 대신 conda install을 사용하고, -c conda-forge는 생략 가능하다. -c conda-forge는 conda-forge라는 채널에서 받겠다라는 뜻이다.

설치가 완료되었으면 jupyter notebook이라는 명령으로 한번 실행해보자. browser가 열리고 localhost:8888로 실행이 된다. 우리는 서버의 브라우저가 아닌 network에 연결된 다른 사람의 PC에서 각각 jupyter notebook을 사용해야 하기에 환경 설정을 변경 해야 한다.

jupyter notebook 실행 화면

jupyter notebook이 browser에서 실행된 모습

3. jupyter notebook 서버 설정

jupyter notebook --generate-config 명령으로 configuration file을 생성하자.
/home/{사용자명}/.jupyter/jupyter_notebook_config.py라는 생성되었다.

보안을 위해 password를 설정할 수 있다. 자동으로 설정하는 방법과 수동으로 설정하는 두 가지가 있다.

자동으로 설정하는 방법 : notebook 5.0 이상에서만 지원하고, 아래 처럼 jupyter notebook password를 입력하면 자동으로 json 파일(/home/{사용자명}/.jupyter/ 폴더 안의 jupyter_notebook_config.json)에 비밀 번호까지 지정해준다.
자동으로 설정하는 방법
수동으로 설정하는 방법 :
1. ipython을 실행
2. 차례로 from notebook.auth import passwd passwd() 파이썬 코드를 직접 입력한다. 그리고 나오는 정보를 jupyter_notebook_config.py파일의 c.NotebookApp.password=u'xxxxx' 라고 직접 기입해줘야 한다.

그리고 jupyter_notebook_config.py 파일에서 아래 사항은 기본적으로 적용해주는 것이 좋을 것 같다.

# Set ip to '*' to bind on all interfaces (ips) for the public server
c.NotebookApp.ip = '*'

# server에서 browser 실행 하지 않도록
c.NotebookApp.open_browser = False

# 익히 알려진 8888 포트에서 다른 포트로 변경
c.NotebookApp.port = 9999

jupyter notebook으로 실행하고 나서 원격에서 접속하면 아래와 같이 password 입력하라고 뜬다.

보안을 더욱 강화하기 위해 SSL 등 추가적인 방법을 이용할 수 있다. 자세한 건 아래에서 확인할 수 있다.

출처 : https://jupyter-notebook.readthedocs.io/en/stable/public_server.html

[ubuntu 서버만들기 #4] 아나콘다 설치하기

힐둔 — Mon, 10 Jan 2022 11:46:44 +0900

★ ubuntu 딥러닝 서버만들기 ★

[ubuntu 서버만들기 #4] 아나콘다 설치하기

[ubuntu 서버만들기 #5] jupyter notebook server 설정

우분투 딥러닝 서버만들기 #4, 아나콘다 설치하기 !

이제 아나콘다를 설치해보도록 한다. 우분투에서는 다음과 같은 순서로 설치를 할 수 있다.

아나콘다 installer 다운로드 (https://www.anaconda.com/products/individual)
다운로드한 installer를 실행
가상환경 만들어 보기 (conda create xx)

설치는 간단하다. 다운받아서 설치를 하면 된다. 사실 docker로 설치해볼까 하다가 몇명만 쓰는 서버라 필요를 느끼지 못해서 docker 없이 아나콘다를 설치하기로 한다. 그리고 tensorflow와 pytorch를 각각 사용할 수 있는 환경을 구성할 예정이다. 아직 pytorch를 사용하는 인원은 없지만 !

1. 아나콘다 installer 다운로드

두 가지 방법이 있다. 웹브라우저를 이용하거나 wget을 이용하면 된다. 웹 브라우저를 띄울 수 없는 client 환경에서는 wget 명령을 이용하여 다운로드 한다. 다만 아나콘다 버전명을 모를 수가 있는데 일단 웹브라우저가 되는 환경에서 설치할 서버의 환경에 맞게 다운로드해서 받아지는 버전명을 참조해서 wget 명령을 구성할 수 있다. (다른 방법도 있으려나?) 난 우분투 (X86_64Bit)이므로 64Bit (x86)용으로 받는다. uname -m 을 사용하면 바로 확인 가능하다.

- wget 이용

wget https://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh

- 웹브라우저 이용
https://www.anaconda.com/products/individual

2. 다운로드한 installer를 실행

Downloads 폴더로 가서 sh Anaconda3-2021.11-Linux-x86_64.sh 를 실행한다.

Path 정보를 꼭 확인해야 한다. root를 쓰지 않음에도 root밑에 설치하는 경우도 있다.
난 ubuntu 계정이라 /home/ubutu/anaconda3로 설치하였다.

실행되는 사이에 광고를...

기본적인 package들이 설치 된다. 그리고 마지막으로 conda init 할꺼냐고 묻는다. yes를 하도록 한다.

그리고 terminal을 새로 열면 아래와 같이 (base) 라는 게 앞에 붙는다. base 는 default로 생기는 가상환경이다. 매번 터미널을 열때마다 (base)가 붙을 건데, 만약 이게 불편하다면 (사실 불편하다) conda config --set auto_activate_base false를 입력한다. 그리고 다시 열면 (base)가 붙지 않는다. 아나콘다 설치는 여기까지가 끝이다.

3. 가상환경 만들어 보기 (conda create xx)

아나콘다도 설치했으니 간단하게 가상환경을 만들어보자. tensorflow 2.7.0 버전과 python 3.9, 그리고 몇몇 필수 패키지들도 같이 포함된 tensorflow_27_p39라는 가상환경을 만들 계획이다.

일단, cconda activate base를 입력해서 conda 환경으로 가자. 그리고 아래와 같은 명령을 차례로 입력해보자. conda 명령은 여기(conda command list)를 참조하기로 하자.

conda create -n tensorflow_27_p39 python=3.9 
(tensorflow_27_p39 이름을 가진 가상환경 생성)

conda env list  
(가상환경 생성 확인)

conda activate tensorflow_27_p39 
(생성한 가상환경으로 진입)

(패키지 설치 - 되도록 conda install로 하자.)
conda install -c conda-forge numpy scipy matplotlib pandas scikit-learn seaborn
pip install tensorflow==2.6
conda install -c conda-forge tensorflow=2.6 # 잘 안받아지고, 설치시 오류가 나는 것 같음

[아나콘다] conda 명령어 목록 (conda command list)

힐둔 — Sun, 9 Jan 2022 14:18:23 +0900

아나콘다 가상환경을 생성하고 삭제하는 등 관리하는 conda 명령에 대해 알아보자.

아나콘다의 경우 하나의 플랫폼에 각각의 독립된 환경을 구축한다는 것이 가장 큰 매력이다. 하나의 개발환경만 사용하는 경우를 제외하고, 다양한 개발환경을 사용하는 경우 환경 셋업 만으로 짜증 나는 경우가 있다. 또, 여러명이 개발시 가끔 빌드 에러나 환경문제가 왕왕 발생한다. "내 껀 문제가 없는데..." 라는 말을 하고 환경을 비교해보느라 또 시간을 소요하기도 한다.

만약 서버를 하나 가지고 있고 서버를 통해서만 빌드 하는 경우에는 아나콘다는 유용해보인다. 물론 서로 다른 각기 환경에서는 아나콘다 보다는, 개발 환경을 공유 할 수 있는 docker 등을 사용하는게 더 유용해 보인다. 어찌 되었든 이런 플랫폼은 계속 나오고 있고 자신의 개발 환경에 맞게 사용하면 될 것 같다.

conda 지원 명령은 다음과 같으며, 실제 사용하는 기준으로 다시 알아보도록 한다.

명령	설명	사용 예
create	새로운 conda 환경 생성	conda create --name name python=3.5
list	conda 환경에 설치된 package list	conda list
remove	conda 환경 삭제	conda remove --name name --all
install	conda환경에 package 설치	conda install PACKAGENAME
uninstall	package 제거	conda uninstall PACKAGENAME
info	현재 활성화된 conda 정보 확인	conda info -a
package	low-level conda package 환경 (experimental)
init	shell interaction을 위한 conda 초기화 (experimental)
config	Modify configuration value in .condarc. This is modeled after the git config command. Write to the user .condarc file (/home/ubuntu/,condarc) by default.	conda config --show
search	특정 package 검색	conda search PACKAGENAME
update	특정 package 업데이트	conda update PACKAGENAME
upgrade	update 명령과 동일	conda upgrade PACKAGENAME
clean	사용하지 않는 packages 나 cache 제거	conda clean --all
compare	conda 환경간 설치된 패키지 비교
help	hep	conda --help
run	Run an excutable in a conda enviroments (experimental)

Conda를 설치하고, 가상환경을 생성, 패키지 설치, 가상 환경 삭제하는 명령에 대해 알아보도록 한다. 가장 많이 사용하는 경우이고, 그 외에는 사실 잘 모르겠다. 더 사용해봐야 알 수 있을 것 같다.

1. Conda 가상환경 목록 확인 (conda env list)

conda env list를 입력하면 현재 설정된 가상환경 리스트가 나온다. 설치 후 아무거도 하지 않은 상태이므로 base만 나오게 된다. base는 설치만 해도 나오는 것으로 conda root 이나 home이라고 보면 될 것 같다. base환경으로 진입하기 위해서는 'conda activate 가상환경이름' 을 이용한다.

2. 가상 환경 활성/비활성화 (conda activate/deactivate 생성한가상환경이름)

하나 밖에 없으니 base를 선택해본다. 여러개가 있다면 사용하고자 하는 환경을 지정한다. 환경을 사용하고자 하면 activate이고, 나오고자 하면 deactivate 를 사용하면 된다. deactivate의 경우 deactivate만 입력 하면된다.

3. conda 버전 확인 (conda --vesion)

4. conda 가상환경 생성 (conda create --n 가상환경명)

tensorflow 2.7 버전과 python 3.9 버전을 갖는 환경을 만들어보기로 한다. conda 생성시 설치할 패키지를 지정할 수도 있고, 아니면 환경만 설치한 이후에 conda install 명령으로 설치도 가능하다. 사용한 명령은 'conda create -n tensorflow_27_p39 python=3.9' 이다. 아래 화면 처럼 설치할 패키지 정보들도 표시된다.

설치후 conda env list를 확인해보면 base와 방금 생성한 tensorflow_27_p39가 보인다.

5. conda 가상환경 복사 (conda create --name 가상환경명 --clone 복사할가상환경명)

이전 정보를 복제해서 생성할 수 있다. 가상 환경 이름을 바꾸고 싶은 경우 (rename 명령은 없기에), 비교를 위해 특정 패키지의 버전만 변경하거나 추가해야 하는 경우 사용 할 수 있을 듯 하다. 이럴 경우 conda info --envs 명령을 통해 두 환경을 확인해 봐야 한다.

conda create --name myclone --clone myenv

6. conda 가상환경 제거 (conda remove --name 가상환경명 --all)

remove명령으로 생성한 가상환경을 삭제할 수 있다. 이때에는 base로 돌아간다음에 제거를 해야 한다. 만약 해당 환경이 activation 되어 있는 상태에서 그 환경을 지우려면 아래와 같이 에러가 발생한다. 당연한 결과겠쥬?

7. conda 패키지 설치/제거/업데이트 (conda install/uninstall/update 패키지명)

conda install로 패키지를 설치할 수 있다. 버전도 지정할 수 있고, 여러개를 한꺼번에 설치도 가능하다. 여러개를 한꺼번에 설치 시에는 패키지 사이에 한 칸씩 띄워주기만 하면 된다. 삭제 (uninstall)도 되고, 업데이트 (update)도 된다. conda 환경에서는 conda를 이용해서 패키지를 설치하는 것이 PIP를 이용해서 설치하는 것보다 성능도 좋고, PATH 가 맞지 않아서 발생하는 여러 오류를 방지할 수 있다. 일단 conda로 설치 시도해보고, 에러가 발생하는 경우에만 PIP로 설치하자. install 다음에 오는 '-c conda-forge'는 conda-forge라는 채널을 통해서 다운 받겠다라는 의미이다. 채널이 여러 개 있는듯? 버전명 기입 시 지정하는 수식도 아래 있으니 참고하길 바란다.

Constraint type	Specification	Result
Fuzzy	numpy=1.11	1.11.0, 1.11.1, 1.11.2, 1.11.18 etc.
Exact	numpy==1.11	1.11.0
Greater than or equal to	"numpy>=1.11"	1.11.0 or higher
higher OR	"numpy=1.11.1\|1.11.3"	1.11.1, 1.11.3
AND	"numpy>=1.8,<2"	1.8, 1.9, not 2.0

8. conda 환경 내 설치된 패키지 정보 확인 (conda list)

여러 패키지를 설치하다가 가끔 버전을 확인해야 하는 경우에 사용 할 수 있다. 너무 많다면 export해서 txt 파일로 저장할 수도 있다. 추후 이 파일로 두 가상환경간 설치 패키지 정보 비교도 가능한 것 같고, 이 리스트를 input으로 새로운 package를 생성할 수도 있는 것 같다.

9. 버전 정보 포함된 설치된 패키지를 text 파일로 export 하는 방법

conda list --explicit > bio-env.txt

10. 생성된 패키지 정보를 이용해서 동일한 환경의 새로운 가상환경을 생성하는 방법

conda env create --file bio-env.txt

11. conda --help

12. conda 정보 확인 (conda info)

현재 활성화된 가상환경의 정보를 볼 수 있다.

추가로 사용하면서 알게된 내용은 업데이트 할 예정이다.

[ubuntu 서버만들기 #3] cuda 11.2 & cud 8.1 설치하기

힐둔 — Sun, 9 Jan 2022 04:16:57 +0900

★ ubuntu 딥러닝 서버만들기 ★

https://www.tensorflow.org/install/source#tested_build_configurations

우분투 딥러닝 서버만들기 세번째 시간 !

이전 포스트에서 Nvidia Graphic Driver를 깔았고, 이번에는 CUDA와 cudNN을 설치해보기로 한다. tensorflow, python, CUDA 그리고 cuDNN 까지 구글에서 검증된 버전으로 설치해보도록 한다. 병렬연산을 하도록 도와주는게 CUDA라면 (이걸로 코인을 채굴하면?) cuDNN은 그런 CUDA위에서 GPU를 사용해 딥러닝을 효율적으로 처리해주는 Deep Neural Network library 이다.

https://docs.nvidia.com/deploy/cuda-compatibility/

각설하고, 다음과 같은 순서로 CUDA와 cuDNN을 잘 설치해보도록 하자.

CUDA 설치
CUDA PATH 설정
cuDNN 설치
설치후 버전 확인

1. CUDA 설치

아래의 설치 사이트 (가입해야 한다.)에서 자신의 환경을 설정하면 설치가능한 명령이 나온다. 그걸 이용해 다운 및 설치를 해주면 된다. 자신의 정보를 잘 모른다면 uname -m && cat /etc/*release 명령을 통해 확인할 수 있다.

https://developer.nvidia.com/cuda-11.2.2-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=2004&target_type=runfilelocal

# 11.2 CUDA download  (graphic driver까지 포함되어 있음)
wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda_11.2.2_460.32.03_linux.run

# 실행 방법 1
sudo sh cuda_11.2.2_460.32.03_linux.run

# 실행 방법 2 (UI 없이, Graphic Driver 제외하고 CUDA toolkit만 설치)
sudo sh cuda_11.2.2_460.32.03_linux.run --silent --toolkit

# 실행 방법 2 (UI 없이, Graphic Driver 제외하고 CUDA toolkit만 특정 경로에 설치)
# path를 지정하지 않아도 기본적으로 /usr/local/cuda-xx.xx 에 설치된다. 변경하고자 하면 지정가능
sudo sh cuda_11.2.2_460.32.03_linux.run --silent --toolkit --toolkitpath=/user/local/cuda-11.2

위의 명령대로 다운로드 받고 실행을 해보자. 그래픽 드라이버까지 포함한 버전인듯? 근데 버전이 460.32.03 이다. 난 470 대 버전을 깔았는데.... 지우고 까는 걸 추천한다고 한다. 하지만 난 어차피 CUDA만 깔고 그래픽 드라이버는 설치를 안할 예정이라 과감히 넘어간다. 그리고 다음 화면에서 그래픽 드라이버 체크를 해제한다. 이게 참 햇갈렸다. X가 설치 SKIP인줄 알았다.

★ 2022/01/12 update : 아래와 같은 명령을 사용하게 되면 UI 화면 없이 toolkit만 설치할 수 있다고 한다. 그리고 서치 위치도 지정 가능하다. 저렇게 지정하지 않아도 default로 /user/local/cuda-11.2 이런 식으로 설치 되는 것 같지만...

sudo sh cuda.........run --silent --toolkit --toolkitpath=/user/local/cuda-xx.xx

잘 설치가 된듯하다. 아래 자세히 보면 환경설정을 하라고 한다.

2. CUDA PATH 설정

PATH는 .bashrc를 열여서 가장 마지막에 설정하도록 하며, source ~/.bashrc를 통해 업데이트 하면 된다.

sudo vi ~/.bashrc # open file

export PATH=/usr/local/cuda-11.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

source ~/.bashrc # apply after save file

PATH 설정 후 nvcc -V를 통해 버전학인이 가능하다. PATH설정을 하지 않으면 다른 버전명이 나온다.

3. cudnn 설치하기

아래의 사이트에서 다운로드 가능하다. Linux (X85_64)용 cuDNN Libary를 설치한다.

https://developer.nvidia.com/rdp/cudnn-archive

cudnn-11.2-linux-x64-v8.1.0.77.tgz을 다운로드 받았다. 압축을 풀고 내용을 보면 inculde 파일과 library파일만 있다. 이것을 CUDA가 설치되어 있는 곳에 복사해놓으면 된다. 버전명은 cudnn_version.h에 있다. 이 파일까지 복사해놔야 추후에 cudnn 버전을 확인할 수 가 있을 듯한다. 7.X는 버전명이 cudnn.h 파일에 있다. 왜 없지 하지 마시고 grep으로 찾아봐도 좋을 듯 하다.

아래는 설치 명령이다. cuda가 여러개 설치되어 있는 경우에는 꼭 cuda-11.2 등의 버전명을 기입해주자.

$ tar -xvzf cudnn-11.2-linux-x64-v8.1.0.77.tgz

$ sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.2/include 
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.2/lib64 
$ sudo chmod a+r /usr/local/cuda-11.2/include/cudnn*.h /usr/local/cuda-11.2/lib64/libcudnn*

4. 설치후 버전 확인

CUDA : nvcc -V (sudo apt install nvidia-cuda-toolkit 설치 필요)

cudnn : cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

[ubuntu 서버만들기 #2] nvidia graphic driver 설치

힐둔 — Sun, 9 Jan 2022 02:55:48 +0900

★ ubuntu 딥러닝 서버만들기 ★

[ubuntu 서버만들기 #4] 아나콘다 설치하기

[ubuntu 서버만들기 #5] jupyter notebook server 설정

우분투 딥러닝서버 만들기 두번째, Nvidia Graphic Driver 설치하기 !

Graphic Driver를 설치하는 순서는 다음과 같다.

Graphic Card 확인
설치 가능한 Driver 버전 확인
설치 하고자 하는 Driver 버전 설치
재부팅 후 버전 확인

딥러닝용 서버를 구축하기 위해 GPU Driver > CUDA > cudnn > Anaconda > tensorflow > Jupyter notebook 차례로 설치할 예정이다. 사실 이런 계획 없이 가장 마지막에 GPU와 CUDA 설치하다가 우분투를 두 세번 재 설치 했다. 우선적으로 window만 주종으로 써왔던 터라 우분투 (리눅스)는 많이 생소했다. 그 동안은 누가 서버 열어주면 터미널로만 소스 받고 빌드하는 정도 였다.

Graphic Driver와 CUDA 설치 단계에서 고배를 마셨던 주요 내용은 CUDA 설치 시에 Graphic driver 까지 같이 설치해주게 되는데 (나중에 안 거지만 CUDA만 깔고 Driver는 깔지 않도록 선택할 수 있었다.), 이전 설치된 driver와 충돌이 많이 발생했다. 쨋든 난 Graphic Driver 설치 > CUDA 설치 (이 때, Graphic Driver는 제외)의 순으로 했다. 사실 CUDA도 conda 명령으로 설치 할 수 있다는 걸 나중에 알았다. 만약 이쯤되면 여러개의 가상환경에서 서로 다른 CUDA 버전을 깔아도 되는 것 같다. 나중에 한번 해보게 되면 포스팅 해보려 한다.

tensorflow를 사용하고 있기에 google에서 테스트 된 환경을 (recommanded) 설치하려고 한다. 그 중 일단 가장 최신 버전으로... 문제 있다면 나중에 다시 깔면 되니 !

https://www.tensorflow.org/install/source#tested_build_configurations

CUDA 11.2를 위해서는 최소 450.80.02 이상만 깔면 된다고 한다. Minimum Required Driver 버전이다.

https://docs.nvidia.com/deploy/cuda-compatibility/

1. Graphic Card 확인

Nvidia Quadro RTX 4000 이고, nouveau driver가 설치되어 있다. Ubuntu 설치하면 기본으로 설치되는 것 같다. lshw (list hardware)는 hw 정보를 알 수 있는 리눅스 명령이며 display라는 class 명령을 통해 Graphic card를 확인 할 수 있다.

sudo lshw -c display

CUDA core가 2304개이고, 8GB의 메모리를 가지고 있다. 음 의외로 괜찮은 걸 주운듯? 참고로 AWS EC2 g4dn.2xlarge는 Tesla T4 였던 것 같다. 그것 대비 나쁘지는 않다. 어차피 개나 나나 Graphic Card는 하나 뿐이다.

2. 설치 가능한 Driver 버전 확인

ubuntu-drivers devices로 확인 가능하며 아래와 같이 recommended 버전도 확인해준다. command가 먹지 않으면 sudo apt install -y ubuntu-drivers-common 명령으로 설치먼저 해주자. apt-cache나 apt search로도 확인 가능하다.

ubuntu-drivers devices

apt-cache search nvidia-driver # 대체
apt search nvidia-driver # 대체

3. 설치 하고자 하는 Driver 버전 설치

추천해준 버전을 sudo apt-get install nvidia-driver-470 이라는 명령으로 설치한다. 설치하기전에 sudo apt update와 sudo apt upgrade를 꼭 먼저 해주자.

sudo apt update
sudo apt upgrade

sudo apt-get install nvidia-driver-470

설치되는 동안 광고 좀 보면서...

4. 재부팅 후 버전 확인

아래와 같은 명령들로 패키지 확인 가능하다. nvidia-smi에서 나오는 CUDA 버전은 실제 설치된 버전이 아니라 470.86에 어울리는 버전이라고 표시한 것 뿐이다. 처음에는 Graphic Driver를 깔면 자동으로 CUDA가 깔리는 것인줄 알았으나 그게 아닌 거였다. 일단 잘 깔린듯 하다.

cat /proc/driver/nvidia/version
dpkg -l | grep -i nvidia
nvidia-smi

티스토리에서 변경한 항목들

힐둔 — Sat, 8 Jan 2022 15:17:09 +0900

티스토리 하면서 적용한 것들 기입해주자. 스킨을 바꾸면 사라진다.

스킨편집 > html편집 > CSS (or HTML) 선택 > 변경 후 적용

★ 목 차

1. 티스토리 이미지에 외곽선 추가하기

2. 티스토리 매거진 스킨 최 상단 타이틀 폰트 수정

3. 티스토리 매거진 스킨 본문 1 글자크기수정

4. 티스토리 박스 만들기

1. 티스토리 이미지에 외곽선 추가하기

imageblok으로 찾아서 있다면 border 추가하기
imageblock이 없다면 아래 내용대로 추가해주기 (입맞에 맞게 수정하기)

★http://www.copysense.co.uk/border.php 에서 css border를 테스트 적용해볼 수 있네요. 적용후 소스 복!붙!

/*custom*/
/* 이미지 외곽선 설정 */
.imageblock img{
	border:0.1em solid #999999;
	padding:5px; 
    background-color:#f5cb42; 
}

< 사용 예 >

B &amp;amp;amp;amp; A&amp;amp;amp;nbsp;

2. 티스토리 매거진 스킨 최 상단 타이틀 폰트 수정

h1 으로 검색해서 원하는 값으로 수정
옆에 주석처리 되어 있는 값이 Original 값

.header h1 a, .ly_area .ly_logo a {
  font-size: 22px; /*26*/
  color: #3d4d94;/*#f25555;*/
  line-height: 26px; /*32*/
  font-weight: 800;/*600*/
}

< 사용 예 >

3.티스토리 매거진 스킨 본문 1 글자크기 수정

제이빈님의 블로그 참고

CSS 코드 10번째 정도 라인에서 아래의 내용으로 검색 (Spoqa)
font-size:12px를 주석처리 (시작과 끝에 /* */ 추가해주기)

body, button, input, select, table, textarea {
/*  font-size: 12px;*/
	font-family: 'Spoqa Han Sans', Dotum, '돋움', Helvetica, "Apple SD Gothic Neo", sans-serif;
  text-rendering: optimizeLegibility;
  -webkit-font-smoothing: antialiased;
  -moz-osx-font-smoothing: grayscale;
  outline: none
}

<사용예>

4. 티스토리 박스 만들기

스킨편집 > html편집 > CSS (or HTML) 선택 한후 아래 코드 입력
다시 기본모드로 돌아와서 만들어진 박스 위에 원하는 내용 작성
아래 코드를 베이스로 원하는 boarder style 변경 (다른 스타일과 설정은 여기를 참조)

<div class="txc-textbox" style="background-color: #dbe8fb; padding: 10px; border: 4px double; border-width: 3px; border-color: #79a5e4;">
<p><span style="font-size: 11pt;"><span style="color: #000000;"> 이중 테두리 박스 </span></span></p></div>

마인크래프트 포켓몬모드 설치 (with 포지)

힐둔 — Thu, 6 Jan 2022 23:08:04 +0900

마인크래프트 자바 에디션이 설치 되었다면, 이제 포켓몬 모드를 실행할 수 있도록 구성해보자. 자바에디션 설치는 이곳으로.

포지를 이용해 포켓몬모드를 실행 가능한 버전은 1.12.2 이다. 마인크래프트 JAVA 에디션과 포지 모두 1.12.2를 설치해야 한다. 약간 복잡한데 아래와 같은 순서로 따라하면 어렵지 않게 설치 할 수 있다. 애매하면 질문을 남기도록 하자.

1) 자바설치 (jar 파일을 실행하기 위해서)

모드 파일이나 포지는 jar 파일로 배포된다. 이를 실행하기 위해서는 귀찮지만 java를 설치해줘야 한다. 윈도우 키 + R을 누른후 나오는 실행화면에서 cmd를 입력해서 아래와 같이 명령 프롬프트를 실행한다.그리고 java -- version을 입력해서 java가 설치 되어 있는지 확인한다.

1-1) 설치 되어 있지 않은 경우 (위 화면), https://www.java.com/ko/download/에서 JRE를 설치한다.PC 환경에 맞는 JRE를 자동으로 설치 해준다.

1-2) 설치 후 명령프롬프트를 다시 열어서 java -version을 확인해본다. 아래와 같이 잘 설치 되어 있다.

2) 마인크래프트 자바에디션을 1.12.2로 실행한다. (한번이라도 실행이 되어야 함)

Minecraft Launcher 실행 > 설치설정 > New installation > 버전에서 release 1.12.2 선택

생성하고 나면 아래와 같이 1.12.2 버전이 나타난다. 플레이 버튼을 눌러서 한번 플레이한다.

클래식한 화면이 나온다. 왼쪽 하단에서 버전을 확인할 수 있다.

3) 1.12.2 버전의 포지 설치

포지도 버전이 있다. 아래 페이지에서 1.12.2 버전 Download Recommended의 Installer를 선택하자.

https://files.minecraftforge.net/net/minecraftforge/forge/index_1.12.2.html

그러면 아래 페이지로 넘어가는데 5초 정도 그대로 있으면 오른쪽 상단에 SKIP 이라는 버튼이 나오고 SKIP을 누르면 다운로드 된다. forge-1.12.2-14.23.5.2855-installer.jar가 다운로드 되었다. JAVA가 설치 되었으니 실행한다.

보통 jar파일은 원래 자바가 실행이 되어야 하나 일부 압축 프로그램이 그 권한을 가져가면서 실행이 안되는 문제가 종종, 왕왕, 빈번하게 나타난다. 간단하게 JarFix를 이용해 경로를 다시 설정해줄 수 있다. 아래 파일을 다운 받거나 사이트에서 다운 받아 실행 해주시면 된다. 그래도 안되면 댓글로.....

jarfix.zip

0.05MB

JarFix : https://johann.loefflmann.net/en/software/jarfix/index.html

실행이 완료된 후 마인크래프트를 실행하면 forge (1.12.2-forge...)라고 선택하고 플레이를 누른다.

아래와 같이 실행되고, 오른쪽 하단에 버전이 Forge 버전이 표시되어야 한다.

4) 포멧몬모드 다운로드 후 설치

아래 페이지로 가서 다운로드 버튼을 누르면 포켓몬모드가 다운로드 된다.

https://reforged.gg/ko

오른쪽 하단 돋보기 버튼 옆을 누른 후 %appdata%를 입력하고 Enter키를 누르면 , AppData > Roaming > .minecrasft > mods 폴더로 저장한 포켓몬 모드 파일을 옮긴다.

그리고 마인크래프트를 설치 후 실행화면에서 Mods를 누르면 포켓몬모드 (Pixelmon)이 잘 설치 되어 있다.

이제 플레이 하자.

vi editor 방향 키 오류 수정

힐둔 — Thu, 6 Jan 2022 21:32:01 +0900

VI 에디터를 즐겨 쓰는데, 방향키를 누르면 방향 이동이 아니라 영어 알파벳이 나온다. 당황하지 말고 아래와 같은 방법으로 수정 해보자.

1. vi .exrc 명령으로 파일 생성

2. 아래와 같은 코드 입력 후 저장하기
set bs=2
set nocp

★ 다시 해보니 sudo권한으로 vi를 연 경우 (sudo vi 파일명) 동일하게 오류가 발생한다. 결국 vim을 설치했더니 문제가 해결되었다. vim은 vi 를 개선해서 나온 버전이니 상관 없겠지. 참 ! 칼라로 나온다. 실행도 vi 명령으로 할 수 있다. 그럼 지금까지 내가 다른 서버에 터미널 열어서 사용했던 것들이 vi가 아니라 vim 이었던 것인가! 문제 발생 시 고민하지 마시고 vim을 설치하길 추천 한다. 이것말고도 할게 많으니 말이다.

sudo apt-get install vim

[ubuntu 20.04] ip 확인 하는 두 가지 방법

힐둔 — Thu, 6 Jan 2022 20:50:35 +0900

ubuntu에서 ip 주소 확인 하는 방법. 기록하자. 잊어버린다.

1. ifconfig

2. ip a (address)

[ubuntu 서버만들기 #1] 한글 키보드 설정 하기

힐둔 — Tue, 4 Jan 2022 14:02:12 +0900

2021.12.31 - [머신러닝 딥러닝/Tools] - AWS EC2 g4dn (2xlarge) 정보와 한계점

위의 포스팅처럼 AWS EC2 AMI가 모든 해결책은 아니라는 걸 깨닫고 (물론 GPU 몇개 더달린 거 사면 되지만 너어무 비싸다.), 어렵사리 workstation 하나 구해서 Deep Learning 서버를 구축하기로 하였다. 하여 앞으로 몇 부분에 걸쳐서 관련 내용을 포스팅 할 예정이다.

일단 Ubuntu 20.04 LTS를 영어를 기본으로 설치했다. 처음에 한글로 설치했다가, 파일 Viewer를 통해 기본 폴더들이 한글로 나오는 걸보고 식겁해서 영어로 다시 깔았다. 한글로 깔리는 경우, 무엇보다 Path가 한글인 경우 동작하지 않는 프로그램 있을 것 같은 느낌 같은 느낌 때문이다.

실로 오랜만에 ubuntu를 깔아봤다. 그냥 모든 Driver를 자동으로 잡아주는 듯 하다. UI도 나쁘지 않은 듯 하다. 습관 때문인지 크롬을 아래의 명령으로 설치하고, 크롬 실행 후 한글로 검색을 해보려니 한글이 안보인다. 한국 사람에게는 필수이므로 아래를 보고 설정하도록 하자.

★ ubuntu 딥러닝 서버만들기 ★