Reinforcement Learning ) CUDA & cuDNN 설치하기 ( with nvidia )

기계학습시 GPU를 통하여 연산을 수행하는 것이 CPU를 통하여 학습하는것보다 빠릅니다

 

항상 Colab을 이용하여 사용하다가, 내 그래픽카드로도 GPU연산을 할 수 있지 않을까해서 방법을 정리해보았습니다.

 

준비물 ) 자신의 그래픽 카드 확인 / 그래픽 카드 드라이버 최신화 확인

 

먼저 NVIDIA기준으로 포스팅을 작성하였다 ( AMD는 다음에.. ) 

 

1 ) 먼저 장치관리자로 자신의 그래픽 카드를 확인해보면, (시작 -> 장치관리자 -> 디스플레이 어댑터 )

 

 

내 그래픽 카드의 capa를 알고싶으면 아래 링크에서 CUDA-enabled ~ 란을 확인하면됩니다.

3.5이상이면 가능합니다.

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

CUDA GPUs

 

이 후 장치관리자에서 우클릭하여 드라이버업데이트를 해줍시다

 

또한, cuda와 cuDNN 이 지원하는 파이썬 버전과 gcc컴파일러버전이 다르므로 자신의 설정에 맞는 버전을 설치하는 것이 중요한데, 상세내용은 아래 링크에서 사용가능합니다.

https://www.tensorflow.org/install/source#tested_build_configurations

소스에서 빌드  |  TensorFlow

 

 

2 ) CUDA에서는 사용자의 편리를위하여 아카이브를 제공하여 자신의 운영체제에 알맞는 툴킷을 다운받아서 간편하게 설치해봅시다 ( 본 포스팅은 9.0 버전으로 진행해본다. )

 

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

CUDA Toolkit Archive

 

빨간색의 체크표시를 자신의 환경에 알맞게 눌러 설치합니다. cuda가 정상적으로 설치되었다면, 

 

환경변수로 CUDA_PATH가 설정되었음을 알 수 있습니다.

 

 

3 ) 마찬가지로 cuDNN도 아카이브를 이용하면 편리하게 다운 받을 수 있습니다.

 

주의 할 점은 CUDA와 호환되는 버전을 받아야한다

( 9.0으로 진행했으니 cuDNN은 그에 맞추어서 받으면 됩니다 / 여러개중 아무거나 상관 X  ) 

 

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

cuDNN Archive

 

이역시 자신의 운영체제에 알맞는 방식으로 다운받아줍니다.

 

그 이후, cuDNN압축을 풀고 해당 내용을 CUDA폴더에 붙여넣기 해줍니다.

 

---

이제 아나콘다 프롬포트로 넘어가서 TENSORFLOW GPU를 설치해줍니다.

 

적당히 잘 설치된것을 확인하고 cmd창에서 간단한 텐서플로우 세션정보를 확인해보겠습니다.

 

Anacodna Prompt 를 열어서 

 

import tensorflow as tf

sess = tf.Session()

 

를 입력하여 출력 정보를 확인해줍니다.

 

Tensorflow device로 제 컴퓨터에있는 GPU를 생성했다고 뜨네요 !

 

이후 exit()를 입력하여 프롬포트로 넘어와 nvcc --version 으로 확인해보면

 

잘 설치된것 같습니다.

 

감사합니다.