-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
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.
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
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 |