Tensorflow, CUDA, cuDNN, nvidia GTX 설치(GPU셋팅) + pytorch (Windows 10)

딥러닝 수업을 들으며, 과제를 해결하기 위해

노트북에 tensorflow-gpu 환경설정을 해보았습니다.

GTX 1050 달린 노트북인데, 애매한 사양이라 쓰기도 번거롭지 싶지만

내 노트북 무게를 늘린 장본인이라 생각하면.. 뽕을 뽑아야 겠다고 생각하여

설치를 하게 되었습니다.

제가 설치한 환경은 다음과 같습니다.

운영체제	Windows 10
그래픽 드라이버	Nvidia driver 431.86
C환경에서 GPU 지원프로그램	CUDA 9.0
딥러닝 지원 라이브러리(CUDA전용)	cuDNN 7.0.5
언어	python 3.6.5
딥러닝 라이브러리	tensorflow-gpu 1.12
가상환경	virtualenv

아나콘다 깔기 싫어서 사용안했습니다.

물론 여기에 pytorch 혹은 keras 설치도 가능합니다.

우선 GPU 사양에 맞는 드라이버와, CUDA, cuDNN을 선택하셔야 하는데, 일단 글을 따라와 보시면 될 것 같습니다.

Step 1. GPU Nvidia driver 설치

https://www.nvidia.co.kr/Download/index.aspx?lang=kr

위 링크에 들어가면, 각자의 GPU 사양에 맞는 드라이버를 설치받을 수 있습니다.

저는 GTX 1050 기준으로

Nvidia driver 431.86

다운 받았고, 문제 없었습니다.

GTX 1080 Ti을 이용하시는 분은,

이렇게 설정하시고 다운받아주시면 되겠습니다.

드라이버가 잘 깔렸는지 확인해볼가요?

cmd 들어가셔서

nvidia-smi

정상적으로 깔렸다면 나오는 화면입니다.

GTX 1050 4GB 기준.

Step 2. CUDA 설치

많은 버전이 있지만,

무난한 버전이 적당하죠. 9.0

https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork

위 링크를 통해 다운받으 실 수 있습니다.

최신버전을 사용하고 싶으신 분들은, tensorflow 홈페이지에 가셔서 해당 GPU와 tensorflow 버전에 맞는 CUDA, cuDNN을 찾아보실 수 있습니다.

요즘은 10.0 버전이상도 호환이 잘 됩니다.(2020.01 기준)

https://www.tensorflow.org/install/gpu

Step 3. cuDNN 설치

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

위 링크에 가시면, 다양한 버전의 cuDNN을 다운로드 할 수 있습니다.

(로그인 필요해서 구글계정 연동해서 빠르게 다운받았습니다.)

Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

특별히 제가 사용했던 7.0.5 버전은 위 링크에 있습니다.

이렇게 다운로드 작업을 마쳤으면, 간단한 환경변수설정과 복사질? 을 해야하는데요.

cuDNN 은 zip파일로 다운받아지는데, 압축 풀어주시고 보시면

폴더 3개가 보입니다.

Step 2에서 CUDA가 윈도우에 정상적으로 깔렸다면,

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

경로에 있을 텐데 여기도 같은 폴더 3개가 있습니다.

다운받은 cuDNN 파일을 CUDA 경로 안으로 복사해주시면 됩니다.

3.1) 복사

1) Copy cuda\bin\cudnn64_7.dll to C:\Program Files
\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

2) Copy cuda\ include\cudnn.h to C:\Program Files
\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

3) Copy cuda\lib\x64\cudnn.lib to C:\Program Files
\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.

3.2) 환경변수 설정

그 다음

제어판 > 시스템 및 보안 > 시스템 > 고급 시스템 설정

가시면 환경변수 바꾸는 창이 나옵니다.

PATH에 들어가셔서

환경변수 편집이 나오면

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib

추가해주시기 바랍니다.

Step 4. Python 설치 및 Virtualenv 가상환경 설정

4.1) python 설치

python 홈페이지 들어가셔서 다운받아주시구..

저는 python 3.6.5 버전 설치했습니다.

https://www.python.org/downloads/release/python-365/ 여기 들어가셔서

Windows x86-64 executable installer 이거 클릭, 다운

다운받으면,

4.2) 가상환경 설치

cmd를 관리자 권한 실행하셔서 들어가십니다.

pip install virtualenv

등을 통해 버전을 확인해보시구요.

virtualenv myenv

call myenv\Scripts\activate

하면 가상환경에 진입할 수 있습니다.

(myenv) user@#$$!

그럼 마지막으로... 텐서플로우 gpu를 깔아봅시다.

Step 5. Tensorflow 설치 및 GPU 동작 확인

아까 들어갔던 가상환경 속에서 다음을 설치해 봅시다.

pip install tensorflow-gpu==1.12

텐서플로 버전은 본인 환경에 맞추어 설치해주세요. 낮은 버전 사용하면 무난히 잘 돌아갑니다..

바로 python 실행시켜서 코드 돌려볼 수도 있지만

pip install juptyer

쥬피터도 깔아봅시다.

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

위와 같은 명령어로 GPU가 할당되어있는지 파악할 수 있습니다.

mnist tensorflow 아무코드나 다운받고 돌려볼가요 이제~

고생하셨습니다.

+ Pytorch 설치

[https://pytorch.org/get-started/locally/]
위 링크를 참조하면 됩니다.

pip 에서는

pip install torch

이 불가능하고,
아래와 같이 다운받아야 합니다.

pip3 install https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision

---

+ 추가

pip3 install torch==1.3.0+cu92 torchvision==0.4.1+cu92 -f https://download.pytorch.org/whl/torch_stable.html

파이토치 홈페이지에서 가장 기본적으로 알려주는 파이토치 선택방법 중
가장 버전이 낮은 것으로 다운로드 받아도 CUDA 9.0 에서 호환이 됩니다.