[GPU설정] CUDA 환경 구성 (Tensorflow, PyTorch)

1. CUDA와 cuDNN 설치

PC 환경 알아보기

- 설치 해야할 것은 다음과 같음

• Anaconda
• NVIDIA DRIVER
• CUDA Toolkit
• Cudnn

- 자신의 PC 환경에 맞게 설치해야함

- Anaconda와 NVIDIA DRIVER는 이 PC에 깔려있었기에 CUDA, cuDNN만 설치를 진행함

- cmd 창에 들어가 아래 명령어를 입력해 NVIDIA DRIVER가 설치 되어있는지 확인할 수 있음

nvidia-smi

 

CUDA와 cuDNN 설치하기

- Tensorflow gpu와 호환되는 CUDA와 cuDNN을 확인 후 설치함

- 아래의 텐서플로우 문서를 통해 버전에 맞게 설치했음

https://www.tensorflow.org/install/source_windows?hl=ko#tested_build_configurations 

Windows의 소스에서 빌드  |  TensorFlow

CUDA 설치 이미지

cuDNN 설치 이미지

 

cuDNN 설정하기

- cuDNN이 설치되었다면 압축을 푼 후 CUDA 폴더에 cuDNN 파일을 붙여넣음

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

- 환경변수에 path 값이 추가되었는지 확인함

 

2. 가상 환경 생성 및 라이브러리 설치

가상 환경 생성

- 가상화면을 생성하는 이유는 다른 프로젝트의 라이브러리 충돌을 피하기 위함

- Anaconda Prompt를 실행하여 가상 환경을 생성함

conda create -n [가상환경이름] python=[파이썬 버전]

 

가상 화면 접근 및 라이브러리 설치

- 가상 화면에 접근하여 필요한 라이브러리를 설치함

conda activate [가상환경 이름]

- tensorflow-gpu와 keras 라이브러리를 설치하여 확인함

 

jupyter notebook 모듈 설치 및 연결

- jupyter notebook에서 gpu가 적용됐는지 확인하기 전에 가상환경을 추가해야함

- jupyter notebook에 필요한 모듈과 ipkernel을 설치함

pip install jupyter notebook
pip install ipykernel

- 둘다 설치한 후 가상환경을 jupyter notebook kernel에 연결하고 주피터 노트북을 실행시키면 연결된 것을 확인할 수 있음

python -m ipykernel install --user --name [가상 환경 이름]
jupyter notebook

가상환경 연결된 이미지

- GPU가 연결되었는지 확인하기 위해 아래의 명령어를 입력했을 때 GPU 정보가 출력된다면 연결이 되었다는 의미

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

 

+ Pytorch GPU 사용을 위한 환경 설정

pytorch 설치

- 위의 내용에서 CUDA, cuDNN, 가상환경 생성까지 완료했다면 비교적 간단하게 설치할 수 있음

- 설치한 CUDA 버전에 호환되는 pytorch를 설치하면 됨

https://pytorch.org/

PyTorch

- 위의 링크로 들어가서 원하는 환경을 설정해 conda 명령어를 구함

- 그 코드를 복사하여 가상환경에 설치해주면 됨 (가상환경을 활성화 한 다음에 설치해야함)

- 본인은 CUDA 버전에 맞게 아래의 버전으로 pytorch를 설치했음

# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

 

pytorch 버전 및 GPU 확인

- 주피터 노트북에서 가상환경으로 파일을 열고 pytorch의 버전 및 GPU를 확인함