【Python】 CUDA 및 tensorflow-gpu를 통해 딥러닝을 위한 GPU 환경 구축하기

CUDA 및 tensorflow-gpu를 통해 딥러닝을 위한 GPU 환경 구축하기

 

추천글 :  【Python】  파이썬 목차

---

1. 정식 방법 [본문]

2. 추천 방법 [본문]  

---

 

1. 정식 방법 [목차]

⑴ 개요

① GPU는 CPU에 비해 코어가 많아 대규모 데이터를 빠르게 처리할 수 있음 : 병렬 컴퓨터 관련

② 다만, 데이터를 전송하는 속도는 GPU가 CPU보다 더 느릴 수 있음

⑵ step 1. CUDA가 설치 가능한 GPU인지 확인 

CUDA GPUs

① 내 GPU 버전 확인 : Ctrl + Alt + Del → 작업 관리자 → 성능 → GPU 0

② 현재 필자가 사용중인 NVIDIA GeForce RTX 2060은 가능

⑶ step 2. Anaconda3 설치 

【Python】 파이썬에서 tensorflow 환경 조성 및 Jupyter 사용법

① conda —version : 현재 버전을 알 수 있음

② 최신 버전을 설치하는 게 바람직하며 필자의 경우 conda 4.11.0

⑷ step 3. NVIDIA® GPU DRIVER

① https://www.nvidia.com/ko-kr/geforce/drivers/

최신 공식 GeForce 드라이버 다운로드

② 필자는 GeForce RTX 20 Series → GeForce RTX 2060 → GEFORCE GAME READY 드라이브 - WHQL 설치

③ cmd 창에 들어간 뒤 “nvidia-smi”를 입력하면 설치됐는지 확인 가능

④ 여기까지는 대부분 쉽게 진행함

⑸ step 4. CUDA® Toolkit 

① 적절한 버전의 CUDA를 설치해야 함 : 적절한 버전으로 설치하는 게 정말 중요함

② 필자는 CUDA Toolkit 10.0을 설치 : tensorflow==1.14.0을 원하므로

⑹ step 5. cuDNN

① 적절한 버전의 cuDNN을 설치해야 함 : 적절한 버전으로 설치하는 게 정말 중요함

② 필자는 cuDNN v7.6.2를 설치 : tensorflow==1.14.0을 원하므로

③ 압축을 풀면 bin 폴더, include 폴더, lib 폴더, NVIDIA_SLA_cuDNN_Support.txt이 나옴

④ bin 폴더 내 파일을 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin 내에 넣음

⑤ include 폴더 내 파일을 C:\Program Files\NVIDIA GPU Computing\Toolkit\CUDA\v10.2\include 내에 넣음

⑥ lib 폴더 내 파일을 C:\Program Files\NVIDIA GPU Computing\Toolkit\CUDA\v10.2\lib 내에 넣음

⑺ step 6. 실행

① Anaconda3 실행

② pip install tensorflow-gpu

○ 또는 conda install tensorflow-gpu

○ pip install tensorflow-gpu==1.14.0 처럼 적절한 버전을 명시해야 함

③ jupyter notebook

④ .ipynb에서 다음 코드를 실행

 

import tensorflow as tf
tf.__version__
from tensorflow.python.client import device_lib
device_lib.list_local_devices()

 

⑤ 작동 안하면 tensorflow를 다시 설치

⑥ 기본 [CPU:0] 가 아닌 [GPU:0] 가 추가로 보인다면 성공적으로 설치된 것

⑻ step 7. NVIDIA GPU DRIVER, CUDA, cuDNN 삭제 

① 목적 : 재설치를 위해 필요하거나 영구적으로 삭제하기 위한 목적

② Windows 기준 : 제어판 → 프로그램 제거에서 다음 파일들을 제거함

○ NVIDIA CUDA Development 10.0

○ NVIDIA CUDA Documentation 10.0

○ NVIDIA 그래픽 드라이버 511.65

○ NVIDIA GeForce Experience 3.24.0.126

○ NVIDIA CUDA Samples 10.0

○ NVIDIA Tools Extension SDK (NVTX) - 64 bit

○ NVIDIA Nsight Compute v1.0

○ NVIDIA Nsight Visual Studio Edition 6.0.0.18227

○ NVIDIA CUDA Visual Studio Integration 10.0

○ NVIDIA HD 오디오 드라이버 1.3.39.3

○ NVIDIA FrameView SDK 1.2.4999.30397803

○ NVIDIA PhysX 시스템 소프트웨어 9.21.0713

③ Ubuntu 기준

○ Nvidia driver 삭제  

 

sudo apt-get remove --purge '^nvidia-.*'

 

○ CUDA 삭제 

 

sudo apt-get --purge remove 'cuda*'
sudo apt-get autoremove --purge 'cuda*'

 

○ CUDA 파일 삭제 

 

sudo rm -rf /usr/local/cuda
### 또는 ###
sudo rm -rf /usr/local/cuda-10.0

 

 

2. 추천 방법 [목차]

⑴ 전략 : 자신의 PC 스펙 및 tensorflow 버전에 대해 진행한 포스팅을 구글링한 뒤, 그 포스팅의 절차를 참고

⑵ 예시

① Windows 7, tensorflow 1.14.0, CUDA Toolkit 10.0, cuDNN v7.6.2 (링크)

② GTX1660 Ti, Windows 10 64-bit, tensorflow 2.0.0, CUDA Toolkit 10.1, cuDNN v7.6.5 (링크)

③ GTX1660, tensorflow_gpu 2.1.0, CUDA Toolkit 10.1, cuDNN v7.6 (링크)

④ RTX3080, Window 10 64-bit, tensorflow-gpu 2.4.0, CUDA Toolkit 11.1, cuDNN v8.04 (링크)

⑤ RTX3090, Windows 10, tensorflow 2.4.1, python 3.8 anaconda, CUDA 11.0.3, cuDNN v8.0.4 (링크) 

 

입력 : 2022.01.26 01:35