파이토치(PyTorch)와 텐서플로우(Tensorflow) GPU 사용환경 구축하기

진짜 호환 문제로 하루를 꼴딱 세웠길래 내가 나중에 이런 헛짓거리를 하지 않기 위해 정리하는 글이다...

---

필요한 것들

1. 당연하지만 컴퓨터에 GPU가 있어야한다. (필자의 GPU는 GeForce RTX 2060 Super이다.)

 

2. 안되더라고 샷건 치지 않을 마음가짐

 

CUDA Toolkit 설치하기

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

CUDA Toolkit Archive

위 사이트에 접속해서 알맞은 버전의 CUDA Toolkit을 설치하면된다. 

본인의 그래픽 카드와의 호환이 중요하기에 하단의 사이트를 참조하였다.

https://en.wikipedia.org/wiki/CUDA#GPUs_supported

CUDA - Wikipedia

 

Windows의 소스에서 빌드  |  TensorFlow

필자는 CUDAToolkit은 10.1로 다운받아 진행했다.

이때, installer type을 local로 설정하였다. network로 설정해서 안됐었다는 블로그 글을 어디선가 봤어서...(하도 이 블로그 저 블로그를 참조해서 기억이 안난다...) 그대로 CUDAToolkit 설치를 진행해준다. 이때 Default값으로 설치를 진행해주면 경로가 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 일 것이다. 만약 경로를 바꿨으면 설치된 경로를 기억해둔다.

 

그래픽 드라이버는 최소사양 이상으로만 맞추면된다.

 

Cudnn 설치하기

이제는 cudnn을 다운받아야한다. 하단의 사이트를 들어가면 여러 버전의 cudnn이 존재한다.

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

cuDNN Archive

 

무엇을 다운받아야할까...일단 본인의 CUDAToolkit 버전에 맞는 녀석들 중 하나여야한다. 그래도 너무 많은 버전들....

이 중 필자는 하단의 텐서플로우 사이트에서 다운받을 cudnn의 버전을 확인하고 다운받았다.

https://www.tensorflow.org/install/source_windows#tested_build_configurations

Windows의 소스에서 빌드  |  TensorFlow

저 드래그 되어있는 녀석으로 겟챠~~

저 드래그 된 cudnn을 누르면 압축파일이 다운된다. 해당 압축파일을 풀면 아래와 같은 파일들이 존재한다.

이 녀석들을 모두 드래그해서 복사한다. 그리고 CUDAToolkit이 설치된 경로로 이동해 해당 파일을 모두 붙여넣기한다.

덮어쓰기 뭐시기 뜨는 거 다 예로 한다.

 

그리고 환경변수에 들어간다. (window+s 누르고 시스템 환경변수 들어가기)

위 사진처럼 CUDA_PATH와 CUDA_PATH_V10_1이 존재할 것이다. 이거면 된다하지만 난 쫄아서 시스템 변수 위에 사용자 환경변수의 PATH에도 CUDAToolkit이 설치된 폴더들을 추가해줬다.

 

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib

 

이렇게 3가지를 path에 추가하였다. 그 후 한 번 컴퓨터를 다시 시작하는 것을 추천한다.

 

다시 시작한 후 cmd나 anaconda prompt에서 nvcc -V를 입력하면 아래와 같은 정보가 나타날 것이다.

이게 정상적으로 뜬다면 드디어 pytorch와 tensorflow를 설치할 준비가 끝난 것이다.

 

Tensorflow 설치하기

https://www.tensorflow.org/install/source_windows#tested_build_configurations

Windows의 소스에서 빌드  |  TensorFlow

위 사이트에서 확인한 tensorflow 버전을 자신의 anaconda 가상환경에 설치해준다.

이 때 필자는 conda로 설치가 안돼서 pip로 설치하였다.

---

conda 와 pip의 차이는 하단의 블로그를 참조!

https://daewonyoon.tistory.com/359

[Anaconda] conda install 과 pip install 은 똑같은 걸까?

---

conda 가상환경에서 pip로 설치할때는 아래 명령어로 pip를 먼저 설치해줘야한다.

conda install pip

그 후 아래의 명령어로 tensorflow를 설치한다.

pip install --user tensorflow-gpu==2.3.0

과연 GPU 적용이 잘되었을까...!!

아래의 test 코드로 확인해보자.

## conda prompt에 python 입력
## 파이썬 실행 ##
import tensorflow as tf
tf.test.is_built_with_cuda()
## True 나오면 성공!
tf.test.gpu_deice_name()
## 사용중인 GPU 이름 출력!

PyTorch 설치하기

https://pytorch.org/get-started/previous-versions/

PyTorch

아래의 사이트에 접속하면 자신의 CUDAToolkit에 맞는 여러 버전의 pytorch들이 나타난다. 필자는 위에서 언급했다싶이 conda로 설치가 안돼 pip로 진행하였다. 필자의 CUDAToolkit의 버전은 10.1이기에 아래의 명령어로 conda prompt에서 설치를 진행하였다.

# CUDA 10.1
pip install torch==1.7.0+cu101 torchvision==0.8.0+cu101 torchaudio==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

우다다다 설치가 끝나면 아래의 코드로 테스트해준다.

## conda prompt에 python 입력
## 파이썬 실행 ##
import torch
torch.cuda.is_available()
## True 나오면 성공!
torch.cuda.get_deice_name(0)
## 사용중인 GPU 이름 출력!

---

* 중요한 포인트이다.

- 최신버전이라고 다 최고가 아니다.

- 자신의 gpu에 맞는 버전의 CUDAToolkit을 설치해야한다.

- cudnn의 버전은 tf를 기준으로 하는 게 좋은거 같다.(실제로 아무거나 설치했을때는 안됐는데 tf 버전에 맞추니까 됐다.)

- 그래픽 드라이버는 최신이면 좋다. (최소사양만 맞추면 된다.)