텐서플로우 (Tensorflow 2.1 or 최신버전) GPU 사용하기-설치

- Deep Learning 학습을 위해 Tensorflow-GPU 버전을 설치하고 사용해본다. 

 

1. Tensorflow-gpu 설치

1.1. Cuda 설치

아래의 링크로부터 CUDA의 최신 버전이나 원하는 버전을 다운로드 받는다. 

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

CUDA Toolkit Archive

 CUDA의 설치 경로: https://developer.nvidia.com/cuda-toolkit-archive

아래 그림과 같이 os와 os 버전을 선택하고, exe(local)을 선택하여 다운로드를 받고 설치를 진행한다. 

CUDA 설치 방법

1.2. cuDNN 라이브러리 다운 및 설치

아래 경로에서 cuDNN 라이브러리를 설치하는데, CUDA 버전과 같은 버전을 찾아서 다운로드 받는다. 

https://developer.nvidia.com/rdp/cudnn-download

 

아래 그림과 같이 "I Agree To the Terms of the cuDNN Software License Agreement"에 동의 체크를 하면, cuDNN의 다양한 버전의 라이브러리를 확인할 수 있다. 본인이 설치한 CUDA 버전과 같은 버전을 다운로드 받는다. 

cuDNN 설치 방법

CUDA를 설치하면 아래 그림과 같은 경로에 'NVIDIA GPU Computing Toolkit'과 함께 버전 폴더가 생성된다. 

경로= C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

CUDA 설치 확인

이 폴더 안에 다운받은 cuDNN의 압축폴더를 해제하여 cuDNN의 파일들을 모두 덮어쓴다. 

tensorflow-gpu 설치 환경 구성

1.3. tensorflow-gpu 설치

그럼 Anaconda Prompt에서 tensorflow-gpu를 설치해본다.

설치 전에, 가상환경을 구축하여 tensorflow-gpu를 설치하는데 python과 tensorflow, keras 등의 버전이 충돌되지 않도록 하기 위해 가상환경을 하나 만들어준다. 

위의 그림과 같이, 아나콘다 프롬프트를 실행하면 (base)로 나타난다.

여기서 conda create -n 가상환경이름 명령으로 가상환경을 새로 만들어준다. 

위의 그림과 같이, 설치 중간에 'y'를 입력해주면 설치가 완료된다. 

conda activate 가상환경이름의 명령을 입력하면 가상환경이 실행된다.

(base)가 (가상환경이름)으로 바뀐 것을 확인할 수 있다. 

 

그럼 tensorflow-gpu를 설치하기 위해 (testenv) 프롬프트에 conda install tensorflow-gpu를 입력해준다. 

만약 anaconda 환경이 아니라면 CMD를 실행하여 pip install tensorflow-gpu를 입력하면 된다. 

 

2. Tensorflow 설치 확인 

설치를 확인하기 위해 active 상태인 가상환경에서 python을 실행하고, 아래의 tensorflow 라이러브리를 import 하여 버전을 확인한다. 

import tensorflow as tf
tf.__version__  

최신 버전인 '2.1.0'으로 확인이 된다. 

Tensorflow는 잘 작동하기 때문에 GPU가 인식되고 있는지 확인해본다. 

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

 

- 끝-