[Python] 22.08.15 딥러닝을 위한 텐서플로우/GPU 세팅 (CUDA, cuDNN)

연휴를 맞아 파이썬 실습을 진행했다.

 

이전에는 단순히 파이썬 개발환경만 셋팅해서 간단한 종류의 Machine Learning을 해보았다면,

 

지금은 Deep Learning을 다루기 위해 텐서플로우 와 GPU 관련된 세팅을 잡아주기로 했다.

 

[1] 본인 컴퓨터 개발 환경

 - Window 10 64-bit

 - Python: 3.7.9

 - GPU: 1060 GB

이것도 벌써 4년전...

VS코드 + 주피터노트북 조합을 사용한다.

 

[2]  Tensorflow

 명령어 1줄: pip install --upgrade tensorflow-gpu

Successfully installed 명렁어가 나왔다.

참고) -gpu를 붙이는 이유는 그래픽 카드를 사용하겠다는 의미이다. (참고한 블로그: https://kindtis.tistory.com/602)

 

그 이후에 내가 무슨 버전을 설치했는지 확인할 수 있다.

명령어 2줄: import tensorflow as tf
print(tf.__version__)

 

TF version 은 2.9.1이며 포스팅 작성 날짜 기준 최신이다.

참고) 업그레이드/다운그레이드를 통해 버전을 변경할 수 있다.

명령어 1줄: pip install --upgrade tensorflow==2.7.0

 

위 작업은 이후 설치해야하는 CUDA Toolkit 버전과 호환성을 위해 미리 체크해둔다.

 

정상 구동을 위해 간단하게 명령어를 실행해보았다.

import tensorflow as tf
hello = tf.constant('Hello, Tensorflow!')
print(hello)

Hello, Tensorflow!

[3] CUDA Toolkit

호환성체크를 위해 구글링을 먼저했다. tensorflow 2.9.1 CUDA 이런식으로 검색했다.

https://spltech.co.uk/installing-tensorflow-2-9-with-gpu-support

텐서플로 2.9 를 돌리려면 파이썬 버전은 3.7 ~ 3.10사이여야하고, CUDA는 11.2, cuDNN은 8.1을 써야한다(?)뜻이다.

CUDA 11.2의 세부 버전: 11.2.0 ~ 11.2.2가 있었고, 가장 마지막에 붙은 0~2는 무시하고 11.2.0을 다운받았다.

중간에 있는 Version은 잘 몰라서 10으로 했다.

CUDA Toolkit을 깔아주고 설치가 올바르게 되었다면 ctrl + R > cmd > nvcc --version 으로 버전을 확인할 수 있다.

 

다운로드 링크: https://developer.nvidia.com/cuda-toolkit-archive

CUDA 11.2 버전이 올바로 설치됨을 확인

윈도우는 한개밖에 없어서 쉽게 찾을 수 있다.

[4] cuDNN

 - cuDNN 도 설치해야 하는데, 텐서플로우-CUDA와 호환성을 보고 다운받는다.

 - 엔비디아 회원가입이 필요하다. 가입 및 다운로드 링크: https://developer.nvidia.com/rdp/cudnn-archive

 - 다운을 받으면 CUDA 파일이 있는데, 여기에 있는 파일 3개를 각각 다른 경로로 옮겨주어야 한다.

 CUDA가 설치된 C드라이브 경로에다가 cuDNN 알집파일을 풀어서 생성된 파일을 3가지를 각각 옮긴다.

 - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\bin

 - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\include

 - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\lib/x64

 

cuDNN을 알집을 풀면 cuda라는 폴더가 생기는데 아래 경로에 있는 파일을 찾아 위의 경로에 옮겨준다.

- cuda/bin/cudnn64_8.dll
- cuda/include/cudnn.h
- cuda/lib/x64/cudnn.lib

 

참조 링크: https://codingalone.tistory.com/3

 

[5] Install verification

 - 설치된 패키지 및 그 버전을 확인한다: pip freeze

pip freeze 실행 결과: tensorflow가 잘 설치됨을 확인할 수 있다.

- GPU가 잘 들어가있는지 확인한다.

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

GTX 1060 6GB 들어감을 확인할 수 있다.

 

[6] Performance check

 - Deep learning 중 ctrl+R > cmd > nvidia-smi 를 입력하면 GPU가 얼마나 가동중인지 볼 수 있다.

아무 것도 실행 중이지 않을 때의 모습. 다음 시간에는 실제 현장 데이터를 활용한 사례를 소개해볼까한다.