로컬 딥러닝 환경 구축을 할 예정입니다.
로컬에 Colab 을 구축한다고 보면 됩니다.
환경구성은
- GPU: nvidia 그래픽카드 외장(CUDA)
- OS: 윈도우 10, 11
- 배포환경: 아나콘다
- IDE: jupyter notebook
- libs: keras, tensorflow
설치 순서는
GPU&아나콘다 이후 Keras 순서입니다.
설정상 순서가 바뀌면 안됩니다.
그래픽 카드와 윈도우는 설치된 걸 가정하고 시작합니다.
1. GPU 그래픽 카드 연결
CUDA, cuDNN을 설치해줘야 합니다.
최신버전 깔면 됩니다.
1050 보다 이전 그래픽 카드를 사용한다면 colab을 쓰는게 낫습니다.
그래서 그 이후라면 그냥 최신버전 깔아주면 호환을 걱정할 필요는 없습니다.
호환 따지지 말고 그냥 최신버전을 설치해주시면 됩니다.
1-1. Visual Studio 설치 - https://visualstudio.microsoft.com/ko/free-developer-offers/
위 경로에서 다운받고 작업환경을 아무것도 선택하지 않고 설치하면 된다.
1-2. CUDA 다운로드 - https://developer.nvidia.com/cuda-downloads
windows -> x86_64 -> 10 또는 11 -> exe 로 다운
1-3. cuDNN 다운로드 - https://developer.nvidia.com/rdp/cudnn-download
회원 가입을 해야함 -> windows exe 로 다운
둘다 설치해주고 아래 환경변수를 추가해줘야 한다.
홈페이지는 아래처럼 명령어를 치라고 되어있는데,
잘 안먹히니 직접 녹색부분을, 설정 - (검색) 시스템 환경 변수 - Path 에 하나씩 추가해줘야 한다.
내가 설치한 최신 버전은 CUDA 11.6, cuDNN은 8.3 이므로 각자 설치된 버전 확인해서 입력해야 한다.
※ 에러가 나는 경우 cudnn의 8.2.4 버전(zip)을 다운받아 파일들을 통째로 cudnn 폴더에 덮어쓰기 해주면 해결된다.
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include;%PATH%
SET PATH=C:\Program Files\NVIDIA\CUDNN\v8.3\bin;%PATH%
이후 연결됐는지는 아나콘다 설치후에 확인해보자
2. 아나콘다 다운로드 & 설치
구글에서 아나콘다를 검색하면 아래 웹사이트로 접속이 됩니다.
https://www.anaconda.com/products/individual
위에서 무료버전인 individual을 다운받으면 됩니다.
다운받고 일반적인 방법으로 설치하면 되는데,
중간에 PATH 환경변수 추가 등 옵션은 손대지말고 그대로 설치하면 됩니다.
PATH를 더하라든지 여러가지 방법들을 다른데서 소개하지만 그대로 설치하는게 컴퓨터에 영향을 안줍니다.
아래처럼 '시작'에서 최근에 추가한 'Aanaconda Powershell Prompt (anaconda 3)' 가 보이면 잘 끝난겁니다.
3. jypyter notebook 설정
Anaconda Powershell Prompt (anaconda 3) 를 실행하면 창이 뜨는데
다음 명령어를 순서대로 입력해서 라이브러리 몇 개를 설치해줍니다.
파이썬 3.6 버전으로 가상환경 생성
> conda create -n py36k python=3.6
가상환경 진입
> conda activate py36k
가상환경에서 필수 패키지를 설치해줍니다.
(py36k)> pip install tensorflow
이때 1.5 버전 이후부터는 gpu 패키지를 안깔아줘도 됨, 그리고 keras도 알아서 깔림
jupyter를 깔자
(py36k)> pip install jupyter
위는 필수만 설치한거고 그때그때 필요한 패키지를 설치해줘도 됩니다.
마지막. 설치 확인
이제 노트북을 실행해보자
(py36k)> jupyter notebook
노트를 새로 만들고,
아래 구문을 실행하면
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
CPU만 뜨면 실패이고 GPU 라는 문구가 보이면 성공이다
다음에는
resnet-50으로 성능테스트를 해볼 생각이다.
colab이 불과 최근 몇년 사이에 가성비가 최악이 되었고,
현재 geforce 30 시리즈 그래픽카드의 감가보다 더 안좋다.
그래서 어느정도 차이가 나는지 간단한 비교를 해볼 생각이다.
최근 덧글