-반년만에 와서 이 포스트를 다시 보니 부족한 점이 엄청 많네요 ㅠㅠ 이 링크 잘 설명되어 있으니 여기로 가서 보시면 될것 같습니다
theorydb.github.io/dev/2020/02/14/dev-dl-setting-local-python/
그리 좋지 않은 그래픽카드 이더라도 cpu로 돌리는 것보다는 낫겠다는 생각이 들어 gpu설정을 하였다.
작업한 노트북은 GTX 1050 ti 를 탑재하였다.
1. NVIDIA driver 설치
https://www.nvidia.co.kr/Download/index.aspx?lang=kr
NVIDIA 드라이버 다운로드
www.nvidia.co.kr
이 링크에 접속해서 본인의 그래픽카드 스펙에 맞는 설정을 입력한 뒤, 드라이버를 다운받아 설치한다.
필자의 경우에는 드라이버 446.14 버전을 다운로드 받았다.
설치한 뒤, cmd 창에서 "nvidia-smi" 명령어를 입력했을 떄 아래와 같은 결과창이 출력되거나,
바탕화면에서 우클릭을 눌렀을 때 옵션에서 "NVIDIA 제어판" 설정이 나온다면 정상적으로 설치된 것이다.
2. CUDA 설치
현재 이 글을 쓰고있는 시점에서는 CUDA v10.2가 최신버전이다. 하지만 호환성에서 문제가 발생할 것 같아 필자는
CUDA v10.1을 다운로드 받았다. 아래 링크에서 각각의 운영체제마다의 CUDA v10.1을 다운로드 받을 수 있다.
CUDA Toolkit 10.1 original Archive
Select Target Platform Click on the green buttons that describe your target platform. Only supported platforms will be shown. Operating System Architecture Distribution Version Installer Type Do you want to cross-compile? Yes No Select Host Platform Click
developer.nvidia.com
다운로드 후 설치를 진행한다.
환경변수가 자동으로 잘 설정되었는지 확인한다.
CUDA가 기본적으로 설치되는 디렉토리는 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 이다.
이 디렉토리를 확인해보고, 다음 절차를 진행한다.
3. CUDNN 다운로드
https://developer.nvidia.com/rdp/cudnn-download
이 사이트로 접속하면 CUDNN을 다운로드 받을 수 있다.
만약 NVIDIA에 회원가입이 안되있다면 nvidia-developer에 회원가입을 해야 CUDNN을 다운로드 받을 수 있다.
다운로드한 파일을 압축해제하고 cuda 폴더에 들어가면 다음의 파일이 보일 것이다.
이제 이 파일들을 CUDA가 설치된 파일에 복사해야 한다.
CUDA가 설치된 파일은 이렇게 생겼다.
이제,
CUDA 디렉토리가 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 라고 할 때,
CUDNN디렉토리/bin/cudnn64_7.dll 파일을 CUDA디렉토리/bin 폴더로 이동시킨다.
CUDNN디렉토리/include/cudnn.h 파일을 CUDA디렉토리/include 폴더로 이동시킨다.
CUDNN디렉토리/lib/x64/cudnn.lib 파일을 CUDA디렉토리/lib/x64 폴더로 이동시킨다.
4. 테스트
이제 CUDA 쪽은 모든 설정이 끝났다.
컴퓨터에 미리 설치되어 있는 miniconda를 통해 tensorflow-gpu와 keras를 설치하고,
컴퓨터가 gpu를 잘 쓰는지 테스트 해보겠다.
miniconda, pycharm 설치, 기본설정과정은 아래 링크로 가면 설명되어 있다.
https://codingalone.tistory.com/4
miniconda, pycharm 설치와 설정하기 (+pytorch 추가)
딥러닝을 위해서 miniconda와 pycharm을 설치할 것이다. 또한, 추가적인 모듈을 설치해볼 것이다. 필자는 windows os를 사용중이다. ※이 게시글은 starmooc 의 핸즈온 딥러닝 제 1강 을 정리해놓은 글이다.
codingalone.tistory.com
먼저, miniconda를 관리자 권한으로 실행한다.
(miniconda environment에 모듈을 설치할 때에는 관리자 권한이 있어야 한다.)
그 다음, 미리 만들어놓은 environment를 활성화하고 jupyter notebook을 설치한다.
(jupyter notebook 설치는 선택사항이다)
그 다음으로, tensorflow-gpu와 keras를 설치해준다.
"pip freeze" 명령어를 통해 설치된 모듈들을 확인할 수 있다.
tensorflow-gpu와 keras가 설치됐는지, 그리고 각각의 버전을 확인한다.
예제코드를 jupyter notebook에서 실행해 보겠다. 아래의 코드를 통해 gpu 디바이스를 잘 인식하고 있는지 확인한다.
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
아래의 결과창을 보면 밑부분에 GeForce GTX 1050 Ti 그래픽카드를 잘 인식하는 것을 확인할 수 있다.
실제 딥러닝 코드를 실행해보면서 cmd창에 nvidia-smi 명령어를 입력해보면,
그래픽카드가 일을 하는 것을 확인할 수 있다.
'딥러닝' 카테고리의 다른 글
| miniconda, pycharm 설치와 설정하기 (+pytorch 추가) (2) | 2020.06.05 |
|---|---|
| colab 사용자 파일 임포트하기 (2) | 2020.06.03 |
