딥러닝을 위한 GPU설정 / 가상환경 만들기

1. 내PC의 GPU모델 확인

윈도우키+x > 장치관라자에 들어가서 나의 GPU모델을 확인 했다. 내가 가진 모델은 GeForce RTX 2080 Ti 이라는걸 확인

ctrl+x >장치관리자

 

2. Nvidia(링크)에 들어가서 내 GPU가 가능한 모델인지 확인 해본다.

밑으로 내려가보면 CUDA-Enabled GeForce and TITAN Products 항목이 있고 그걸 눌러보면 내모델명이 있었다.

 

3. 아나콘다 설치

https://www.anaconda.com/products/individual-d

Anaconda | Individual Edition

아나콘다에 접속해서 다운로드 한다.

※ 다운로드시 주의사항 ※

아래 그림을 만나게 될 경우 체크박스 2개 모두 체크 후 Install을 누른다. 

설치 완료 후 Anaconda Prompt에서 python과 conda 버전을 확인해 본다.

python
# ctrl+z로 빠져나온다
conda --version

4. 텐서플로(TensorFlow)를 위한 사전 호환성 검토 ※ 중요 ※ 

tensorflow-gpu를 처음 설치할 때 한번에 성공하는 사람이 드문데 대부분 호환성 문제 때문이라고 한다.

주의해서 잘 짚어보고 가자!

https://www.tensorflow.org/install

TensorFlow

텐서플로우 공식 문서를 확인해봐야한다.

링크에 들어가 GPU지원을 누르고 밑으로 내리다보면 소프트웨어 요구사항이 있다.

꼭 이 요구사항에 맞게 설치해야한다!!!! 

 

 

5. GPU드라이버, Toolkit설치

위의 링크를 따라 설치를 진행하면 된다.

• NVIDIA® GPU 드라이버를 클릭하면 아래와 같은 화면이 나온다.

자신의 모델에 맞게 선택하고 SEARCH를 누르면 다운로드를 할 수있다.

• CUDA® Toolkit은 Latest Release를 선택해서 다운받았다.

•  Versioned Online Documentation 을 클릭하면 CUDA Toolkit 가이드가 나오는데  Installation Guide Windows를 클릭하면 Visual Studio 2019를 설치해야 하는것을 알 수 있다.

5-1. Visual Studio 2019설치 

https://visualstudio.microsoft.com/ko/downloads/에 접속하여 아래 그림과 같이 Visual Studio 2019 Community 버전을 다운로드한다.

 설치 중 아래 C++를 사용한 데스크톱 개발을 추가해 주어야 한다.

Visual Studio Tools 다운로드 - Windows, Mac, Linux용 무료 설치

설치 완료 후에 다시 시작하기를 꼭 해줘야 다음 과정이 정상적으로 진행되는것 같다.

다시 시작 하주기!!

 

다시 돌아가서 CUDA Toolkit 11.4.2 을 누르고 환경에 맞게 다운로드 해준다. 다운로드 완료되면 관리자 권한으로 실행!

 

6. cuDNN설치

• cuDNN SDK 8.1.0 를 누르고 해당 버전의 cuDNN을 설치해준다.

※ 설치하기 위해서는 회원가입을 해주어야한다.

설치 완료 후 윈도우 명령프롬프트에서 control sysdm.cpl > 고급 탭 선택 > 환경변수 버튼을 클릭

시스템 변수에 CUDA_PATH 변수의 값이 잘 지정되었는지 확인해 봐야한다.

 

---

7. 가상 개발 환경 만들기

test할 폴더를 만들고 아나콘다 프롬프트에서 아래와 같이 경로를 지정해 준다.

(projects 폴더를 만들고 그안에 test폴더를 만들어 주었다.)

(base) C:\Users\Administrator>cd C:\projects\test

(base) C:\projects\test>

새로운 가상환경을 만든다.

(base) conda create -n test python=3.7

가상환경에 접속한다.

(base) C:\projects\dl\test>activate test

8. 기본 라이브러리 설치하기

jupyter notebook과 관련된 라이브러리 설치

(test) conda install -n test ipython notebook jupyter

그 외 필요한 패키지를 설치한다.

(test) conda install -n test numpy scipy matplotlib spyder pandas seaborn scikit-learn h5py pillow matplotlib tqdm

tensorflow설치

(test) conda install -n test tensorflow-gpu

부스팅 설치

(test) conda install -n test -c anaconda py-xgboost
(test) conda install -n test -c conda-forge catboost

※ “The following packages are not available from current channels”이라는 오류메시지가 나올때 ※

이럴 경우 보통 설치 명령어에 -c conda-forge 옵션을 추가하면 해결되는 경우가 많다. 이는 conda install에서 제공하는 다운로드 기본 채널에 패키지가 존재하지 않아서 발생하는 문제인데 conda-forge 옵션을 통해 검증된 패키지들이 모인 채널에서 강제로 다운로드 받아 설치하겠다는 옵션이다.

(설치방법 참고링크 https://anaconda.org/anaconda/py-xgboost)

 

동일하게 lightgbm 등도 위와 같이 설치

(test) conda install -n test -c conda-forge lightgbm   # lightgbm
(test) conda install -n test -c conda-forge pydotplus  # pydotplus
(test) conda install -n test -c conda-forge pydot      # pydot

그 외 scikit-image, patsy, statsmodels, opencv 등 별도로 필요한 라이브러리를 설치한다.

 

---

9. 설치환경 테스트

 

아나콘다 프롬프트에서 구축한 가상환경을 ipython kernel로 등록한다.

python -m ipykernel install --user --name test

 

드디어 주피터 노트북에 접속한다.

(test) C:\projects\dl\test>jupyter notebook

접속하면 오른쪽과 같이 가상환경 test가 목록에 뜬다!

test를 선택하고 들어가서 텐서플로 GPU 버전 설치여부 확인해본다.

import tensorflow
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

아래의 코드로 GPU사용여부를 확인 할 수있다.

tf.test.is_gpu_available()

tf.test.gpu_device_name()

tf.config.experimental.list_physical_devices(device_type='GPU')

잘 사용된다면 위와 같은 결과가 나올것이다.

 

이렇게 드디어 설치완료~!!

 

---

아래의 블로그를 참고하면서 설치했더니 실패없이 한번에 성공할 수 있었다.

좀 더 요약해서 작성했는데 자세한 내용이 필요하다면 아래의 블로그를 참고하면 될 것 같다.

나도 누군가에게 도움이 되기를:D

https://theorydb.github.io/dev/2020/02/14/dev-dl-setting-local-python/#%EC%95%84%EB%82%98%EC%BD%98%EB%8B%A4anaconda-%EC%84%A4%EC%B9%98

[Setup] 딥러닝 개발 환경 구축 한방에 끝내기