[Windows] 텐서플로우(Tensorflow 2.x) GPU 딥러닝 개발환경 구축

PC 환경 확인

● OS

본인 PC의 Winodws 버전을 확인합니다. 세 가지 방법 중에 하나로 확인할 수 있습니다.

1. 내 PC > 속성

2. 설정 > 시스템 > 정보

3. 제어판 > 시스템

● GPU 모델

본인 PC의 GPU 사양을 확인합니다. 장치 관리자에서 확인할 수 있습니다.

1. 제어판 > 장치 관리자 > 디스플레이 어댑터

2. 윈도우 검색 > 장치 관리자 > 디스플레이 어댑터

필자의 PC환경

- Windows10 64-bit

- NVIDIA GeForce RTX 2070 SUPER

 

https://www.tensorflow.org/install/gpu?hl=ko

GPU 지원  |  TensorFlow

하드웨어 요구사항

Tensorflow 공식 문서에 따르면 TensorFlow GPU는 CUDA® Compute Capability 3.5이상의 NVIDIA® GPU 카드만 지원합니다.

 

● CUDA® 아키텍처 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 이상을 포함하는 NVIDIA® GPU 카드

아래의 링크로 접속하여 본인의 그래픽 카드에 해당하는 Compute Capability를 확인합니다.

https://developer.nvidia.com/cuda-gpus

 

목록에 존재하지 않거나 3.5 미만의 GPU 카드를 보유하고 있다면 여기서 멈춰주시고, 새로운 그래픽 카드를 구입했을 때 다시 읽어주시기 바랍니다.

 

소프트웨어 요구사항

Tensorflow 공식 문서에 따르면 TensorFlow GPU는 NVIDIA® 소프트웨어, Visual Studio 등의 설치와 동시에 TensorFlow GPU가 지원하는 버전을 맞춰줘야합니다.

필자는 tensorflow_gpu-2.10.0을 설치할 것이고, 그리고 그것과 호환되는 CUDA 11.2와 cuDNN 8.1버전을 설치를 진행할 것입니다. 

 

● NVIDIA® GPU 드라이버

아래의 링크로 접속하여 본인의 GPU제품에 해당하는 최신 드라이버를 검색하여 설치합니다.

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

 

● CUDA® Toolkit

1. CUDA Toolkit을 설치하기 전에 설치하려는 버전의 호환을 확인해줘야합니다.

아래의 링크로 접속하여 'Versioned Online Documentation' > 'Installation Guide Windows'를 차례대로 클릭합니다. 

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

CUDA 11.2.0이 Windows10을 지원한다는 사실과 컴파일로러 도구로 Visual Studio 2019 16.x버전을 설치해야한다는 것을 확인했습니다.

2. 다시 아래의 링크로 돌아와서 CUDA Toolkit 11.2.0을 설치합니다.

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

(NVIDIA 로그인 후에 설치가 가능합니다. 회원에게만 공개되므로 회원가입해서 이용하시기 바랍니다. 오래걸리지 않습니다)

3. 다운로드가 완료되면 해당 파일을 관리자 권한으로 실행하여 설치합니다.

4. 설치과 완료되면 CUDA_PATH 변수의 값이 잘 지정되었는지 확인합니다.

 

● Visual Studio

1. 아래의 링크에서 'Visual Studio 2019 및 기타 제품 다운로드'를 클릭합니다.

2. Microsoft 로그인 > Visual Studio Dev Essentials 구독 (무료)

3. CUDA Toolkit을 설치하기 전에 확인했던 컴파일러 도구로 Visual Studio Community 2019 (version 16.11)을 설치합니다.

4. 다운로드한 설치 파일을 실행하여 C++를 사용한 데스크톱 개발의 항목을 체크한 후 'Install'을 클릭하여 설치를 진행합니다.

 

● cuDNN SDK

1. 아래의 링크에서 'Download cuDDN v8.1.0 for CUDA 11.0, 11.1 and 11.2 > cuDNN Library for Windows (x86)'를 순서대로 클릭하여 설치합니다.

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

(NVIDIA 로그인 후에 설치가 가능합니다. 회원에게만 공개되므로 회원가입해서 이용하시기 바랍니다. 오래걸리지 않습니다)

2. 다운받은 .zip파일을 압축 풀기 하면 cuda 폴더가 생성됩니다. 그 내부에는 bin, include, lib 폴더가 존재합니다. 그 3개의 폴더를 복사하여 CUDA Toolkit 설치 시에 지정해놓은 설치 경로에 그대로 붙여넣기(덮어씌우기)합니다.

필자의 경우에는 CUDA Toolkit을 설치할 때 기본 설치 경로로 지정하였고, 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2'에 붙여넣기를 진행했습니다.

4. 새로 만들기를 누르고 환경변수를 추가합니다.

'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin'

'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64'

'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include'

 

● Anaconda

1. Anaconda를 설치 및 업데이트, Anaconda Prompt 실행

2023.03.30 - [AI] - [Windows] 파이참(PyCharm) 및 아나콘다(anaconda) 다운로드(설치), 가상환경 연동하기

[Windows] 파이참(PyCharm) 및 아나콘다(anaconda) 다운로드(설치), 가상환경 연동하기

 

2. 가상환경을 생성합니다.

필자는 가상환경을 생성할 때 보통 프레임워크 및 버전에 맞게 명명합니다.

conda create -n tf210_py310 python=3.10

3. 텐서플로우를 설치합니다.

필자의 경우 conda 명령으로 tensorflow를 설치했을 때 제대로 설치했음에도 불구하고 tensorflow에서 GPU를 인식하지 못하는 문제가 발생했습니다. 그래서 conda 명령으로 설치한 tensorflow를 conda 명령으로 삭제하고 pip 명령으로 tensorflow를 재설치했습니다. 

activate tf210_py310
conda install tensorflow=2.10.0
pip install tensorflow==2.10.0

4. Tensorflow가 GPU를 인식하는지 확인합니다.

from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

 

CPU와 GPU가 잡히는 것을 볼 수 있습니다. 출력 화면에 CPU만 있으면 GPU를 인식하지 못한 것입니다.

 

성공적으로 Tensorflow GPU딥러닝 개발환경을 구축하였습니다. 마지막에 GPU가 안잡혀서 좀 고생했네요... 

다음 글은 MacOS M2 Pro&Max 칩셋 tensorflow GPU환경 설치와 함께 돌아오겠습니다.

긴 글 읽어주셔서 감사합니다:)

 

 

(2023-04-02)

주피터 노트북을 실행하고 ipynb 파일을 실행할 때

500 : Internal Server Error

가 발생하는 분은 아래의 글을 참고해주세요.

2023.04.02 - [AI] - Jupyter notebook "500 : Internal Server Error" 오류 해결

Jupyter notebook "500 : Internal Server Error" 오류 해결