[WINDOWS10 환경] 딥러닝을 위한 텐서플로우(tensorflow) GPU 설치 방법
이 글은 2021년 당시 CUDA 11.0, cuDNN 8.0, tensorflow_gpu-2.4.0 기준으로 작성된 설치/사용 기록이다. 최신 버전에서는 명령이 다를 수 있다.
UPDATE (2021.11.10)
- 재설치할 때는 가상환경과 기설치된 바이너리를 정리한 후 다시 설치를 진행한다.
- CUDA : 11.0, cuDNN : 8.0, tensorflow_gpu-2.4.0,
python==3.7- 빌드 호환성을 고려해 python==3.6 환경으로 구성한다. - 설치 완료 후 TensorFlow의 GPU 인식을 검증했다.
- 본문은 CUDA Toolkit 10.1 기준으로 작성했으나, CUDA 11.0 적용 시에도 호환 표에 맞춰 버전 디렉터리와 환경변수 경로를 동일하게 설정하면 된다.
순서
- 참고 : https://www.tensorflow.org/install/gpu
딥러닝 프레임워크(TensorFlow)가 GPU 가속을 활용하려면 호스트(CPU)와 디바이스(GPU) 간 메모리 복사 및 커널 실행 파이프라인을 지원하는 드라이버, 런타임, 가속 라이브러리가 계층별로 설치되어야 한다 1.
출처: CUDA processing flow (En), Tosaka — Wikimedia Commons (https://commons.wikimedia.org/wiki/File:CUDA_processing_flow_(En).PNG), CC BY 3.0
- Anaconda
- NVIDIA DRIVER
- Visual Studio
- CUDA Toolkit
- Cudnn
- 가상환경
나의 환경
- CPU : I7-6700HQ
- GPU : GTX1070 (NOTEBOOK)
- RAM : 16GB
- OS : Window10 64-bit
1. 아나콘다 설치
ANACONDA site link : https://www.anaconda.com/products/individual
- TensorFlow 2.x 초기 빌드는 특정 파이썬 버전(3.6)에 의존하므로, 파이썬 3.7이 기본 탑재된 아나콘다 5.3 설치 시 호환 패키지를 찾지 못할 수 있다. 따라서 파이썬 3.6 기반 가상환경을 별도로 생성해야 한다.
2. NVIDIA DRIVER 설치
- 본인의 GPU 모델 선택
NVIDIA DRIVER link : https://www.nvidia.com/download/index.aspx?lang=en-us
3. Visual Studio 설치
Visual Studio link : https://visualstudio.microsoft.com/ko/downloads/
3. CUDA Toolkit
- 자기에게 맞는 버전을 확인한다. (매우 중요!!!)
CUDA Toolkit window(윈도우) link : https://www.tensorflow.org/install/source_windows#tested_build_configurations
4. CUDA 설치
CUDA Toolkit Archive : https://developer.nvidia.com/cuda-toolkit-archive
5. cuDNN 설치
- cuDNN은 엔비디아 회원가입 및 로그인이 필요하다.
- 반드시 버전에 맞게 설치해준다.
cuDNN link : https://developer.nvidia.com/cudnn
- 파일 덮어쓰기 : 다운로드 받은 파일의 압축을 풀고, 아래의 디렉토리에 파일을 덮어씌움
C:\Program Files\NVIDIA GPU Computing Toolkit CUDA v10.1
bin,include,lib폴더를 각각 들어가 안의 파일들을 복사.
5_1. 설치 확인
- 클릭 후 검색창에
cuda라 쳤을 때 프로그램이 나오면 성공!!
5_2. 환경변수 설정
- 추가할 경로는 앞에서 복사해서 넣었던 bin, include, lib의 경로를 설정해준다.
6. 가상환경
-
가상 환경을 생성하는 이유는 다른 프로젝트들과 라이브버리 충돌을 피하기 위해.
-
Anaconda Powershell Prompt (anaconda3)실행
- conda update :
conda update -n base conda - 가상 환경 설치 :
conda create -n 가상환경이름 python=3.6 - 가상 환경 활성화 :
conda activate 가상환경 이름 - 기본적인 패키지 설치
pip install tensorflow==2.2.0pip install tf-nightlypip install pandas matplotlib seaborn scipypip install tensorflow-gpu==2.2.0pip install keras==2.2.4pip install jupyter notebookpip install ipykernelpython -m ipykernel install --user --name 가상환경이름 --display-name 표시할 가상환경 이름
GPU 확인
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
이렇게 뜨면 잘 설치가 된 것이다.
기타
- 가상환경 리스트 확인 :
conda env list - 가상환경 비활성화 :
conda deactivate - 가상환경 삭제 :
conda remove -n 가상환경이름 --all후y클릭 - 경로 변경 :
cd 경로주소 - 파이썬 셸 실행 :
python - 파이썬 셸 종료 :
exit()orctrl+z -
설치된 모든 라이브러리 확인 :
pip freeze - cuda 버전 확인 :
nvcc --version(cmd 창) - GPU util 확인 :
nvidia-smi(cmd 창)
한계 및 주의사항
- CUDA 11.0 / cuDNN 8.0 / tensorflow_gpu 2.4.0 조합은 작성 시점에 검증된 특정 버전 조합이며, 다른 버전과 섞으면 빌드나 로딩 오류가 날 수 있다. TensorFlow의 버전별 요구 사항 표를 먼저 확인한다. 1
- 2021년 이후 GitHub Actions 무료 러너(GPU 미탑재)나 WSL2 같은 환경에서는 GPU를 사용할 수 없고, Windows 네이티브 TensorFlow GPU 지원은 2.10을 끝으로 종료되어 이후 버전은 WSL2를 요구한다.
- cuDNN은 NVIDIA 개발자 계정으로 로그인한 뒤 받을 수 있고, 압축을 푼 파일을 CUDA 설치 경로로 복사해야 한다. 이때 버전 디렉터리(예:
CUDA v10.1→v11.0)를 잘못 지정하면cudnn64_8.dll을 찾지 못한다. - 환경 변수(PATH,
CUDA_PATH)를 설정하지 않으면nvcc --version이 인식되지 않는다.
References
- 파이썬/아나콘다 다운로드 방법 - 한양대학교 전기공학과 배성우 교수님 연구실(PESL) 장문석
- Tensorflow 공식 사이트
- GPU 사용을 위한 CUDA 환경 구성하기
- Tensorflow와 호환되는 CUDA, cuDNN 설치하는 법
- 모두의 근삼이
- [Windows 10] Pytorch GPU 사용을 위한 CUDA 환경 만들기
- 아나콘다에 Tensorflow,Keras 설치하는 방법 ( 오류해결 )
댓글남기기