본 글쓰기의 목적
포스팅한 내용은 딥러닝 개발환경을 구축하기 위해 아나콘다, GPU CUDA 설치 등에 참고한 여러가지 정보들을
정리하기 위함 (즉, 설치 순으로 따라가도록 쓰지 않았음을 주의 바람)
1. 아나콘다 설치관련
아나콘다는 "파이썬" 이라는 개발 언어를 사용하는 환경을 구축하는베이스 플랫폼 도구.
필요한 유틸이나 라이브러리 패키지들의 의존성까지 분별해주니 개발 환경 구축이 편리하다.
특히, 가상환경을 만들어서 필요에 따라 다른 버젼 패키지들로 설치 할 수 있는 점이 매우 좋다.
다운로드 : https://www.anaconda.com/download/
1.1 아나콘다 짬짬히 쓰는 명령어 예제
- 가상 환경 계정 만들기 >conda create -n py36-gpu python=3.6.4
- 가상 환경 활성화 >conda activate py36-gpu
- 가상 환경용 유틸리티(패키지) 설치 >conda install numpy
- pip도 이용가능, 필요한 유틸리티(패키지 ) 설치 >pip install tensorflow-gpu
2. GPU 관련 설치관련
게이밍하는 사람들에게는 매우 친숙한 Nvidia GPU 디바이스를 이용하여 연산 병렬화가 되는 환경을 구축하는 도구.
특히, 텐서플로우나 이를 백엔드로 하는 케라스와 같은 언어도구를이용하여 개발하고자 한다면,
CUDA ver + CuDNN ver + tensorflow-gpu ver ( + Keras ver) 이렇게는 되는 사례를 참조하여 설치하는 편이 좋다.
CUDA 다운로드 : https://developer.nvidia.com/cuda-toolkit
CuDNN 다운로드(계정 가입 후 다운가능) : https://developer.nvidia.com/cudnn
2.1 설치 후 Path 설정
- 윈도우 시스템 path 에 추가
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64
2.2 CUDA_HOME 설정의 경우 설치시 자동으로 세팅됨, 여러버젼을 설치하면 최근 설치된 버젼으로 세팅된다.
3. 텐서플로우 관련 설치
아나콘다가 설치된 경우,
앞서 1. 에서 다른 conda 와 pip 를 이용하여 설치할 수 있기 때문에 우선 conda 명령 프롬프트를 이용하도록 한다.
설치한 가상환경 계정으로 활성화( >conda activate py36-gpu ) 하고서,
- conda를 이용한 경우 : >conda install -c anaconda tensorflow 혹은 gpu용 >conda install -c anaconda tensorflow-gpu
*-c 채널 옵션인데 관련 패키지들을 가져오는 곳인듯, 없어지거나 모듈이름을 정확히 해줘야함. url 로 참조가능
or
- pip를 이용하는 경우 : >pip install tensorflow==1.5.0 혹은 gpu용 >pip install tensorflow-gpu==1.5.0
4. 그외 필요한 패키지 설치
>pip install keras
>pip install jupyter notebook
>pip install matplotlib
>pip install numpy
>pip install OpenCV-Python
>pip install scikit-learn
>pip install pandas
>pip install scipy
5. 정리 / 사족
내가 설치한 궁합 Ver
윈도우 | 10 |
비디오 카드 | 지포스 GTX 660 |
아나콘다 |
Anaconda3-5.2.0-Windows-x86_64 |
Cuda |
cuda_9.0.176_win10 |
CuDNN |
cudnn-9.0-windows10-x64-v7 |
파이썬 | Python 3.6.4 |
텐서플로우 |
tensorflow-gpu==1.5.0 |
그위 패키지 등 |
Keras 2.1.4 jupyter 1.0.0 matplotlib 2.1.2 numpy 1.14.0 opencv-python 3.4.0.12 ... |
익숙하지 않아서 막연히 어렵게 느껴지는 것이지, 시도 에러를 반복하다 보면 시스템적인 디버깅은 금새 늘기 마련이다.
버젼 업데이트도 빈번히 있고 사람들 마다 다양한 디바이스에서 환경을 구축해서 쓰기 때문에 상이할 수 밖에 없다.
블러그와 포스팅을 참조하고 나에게 맞는 참조 내용을 정리해보았다.