일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
- 재귀함수
- COSPROJAVA1급
- 이젠 골드구현도 어렵네..
- GatherTown
- 백준코딩테스트
- COSPRO
- 01BFS
- QUICKSTARTGUIDE
- deque
- 취득후기
- PS
- 시뮬레이션
- 완전탐색
- spring
- dp
- 알고리즘
- java
- YBMCOS
- BFS
- 백준
- 엘라스틱서치
- DFS
- 우선순위큐
- 자바PS
- 다이나믹프로그래밍
- 다익스트라
- 구현
- 세그먼트트리
- 네트워크플로우
- 게더타운시작
- Today
- Total
공부공간
Reinforcement Learning ) CUDA & cuDNN 설치하기 ( with nvidia ) 본문
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
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
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
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
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.