컴퓨터를 업그레이드 하였다.
Intel i5-6600K → AMD 3900X
GTX 1060 → RTX 2080 Ti
운영체제: Windows10 x64(정품)
머신러닝용 컴퓨터로 세팅하기 위한 가장 첫걸음! Tensorflow-gpu를 설치하는 것이다.
오류가 나지 않도록 설치하는것이 포인트!
1. 아나콘다3 설치
https://www.anaconda.com/distribution/
Anaconda Python/R Distribution - Free Download
Anaconda Distribution is the world's most popular Python data science platform. Download the free version to access over 1500 data science packages and manage libraries and dependencies with Conda.
www.anaconda.com
64비트(x64)에 맞는 Python 3.7 Version을 다운로드 합니다.
2.
CUDA 설치
https://developer.nvidia.com/cuda-10.0-download-archive
CUDA Toolkit 10.0 Archive
Select Target Platform Click on the green buttons that describe your target platform. Only supported platforms will be shown. Operating System Architecture Distribution Version Installer Type Do you want to cross-compile? Yes No Select Host Platform Click
developer.nvidia.com
CUDA 9.0을 사용하 실 분들은 9.0으로 진행하시면 됩니다.
본인은 10.0 버전을 다운로드 합니다.
☆주의
- 윈도우 설치 후 진행 할 경우, 그래픽카드 드라이버 다운로드를 선행 하여주시기 바랍니다.
- 그래픽 드라이버를 설치하지 않고 CUDA를 다운로드 할 경우, 블루스크린이 발생됩니다.(본인 경험)
- 해결방안: 윈도우를 안전모드로 진입하여 다운로드 중이던 CUDA를 삭제하시고, 그래픽카드 드라이브를 다운로드
3. cuDNN 설치
https://developer.nvidia.com/rdp/cudnn-download
cuDNN은 다운로드 전 로그인이 필요합니다.
NVIDIA 아이디를 만들어도 되지만, 요새는 대부분 구글 아이디가 있으니, Social 로그인을 하도록 합시다.
동의 문구에 체크 하시면 아래와 같이 cuDNN을 다운로드 할 수 있습니다.
각자 다운로드 했던 CUDA Version에 맞는 cuDNN을 다운로드 합시다.
본인은 CUDA 10.0을 다운로드 했으므로 세번째 항목을 다운로드 했습니다.
다운로드한 Zip 파일을 압축해제 합시다.
4. cuDNN 적용 및 환경변수 Check
☆매우 중요한 순서입니다
압축해제 한 cuDNN 파일들을 설치했던 CUDA 파일들에 추가하는 과정입니다.
왼쪽에 보이는 파일을 오른쪽 위치로 옮겨야 합니다.
NVIDIA_SLA_cuDNN_Support.txt 파일은 그대로 복사 해주면 되는데요. 주의사항!
※주의사항: bin, include, lib 파일자체를 복사해서 붙여넣기를 하는게 아닙니다.
cuDNN의 bin, include, lib 폴더 안에 있는 파일을 CUDA의 bin, include, lib 폴더 안으로 넣어주는 것입니다.
모든 폴더(bin, include, lib)안의 파일들을 위와 같은 방법으로 옮기셨다면 다음으로 환경변수를 체크 해 주셔야 합니다.
CUDA위치: C:/Program Files/NVIDIA GPU Conputing Toolkit/CUDA/v10.0
동일합니다.
다음으로,
사용자변수 path에 압축해제한 cuDNN 파일들의 경로를 추가 해야 합니다.
5. Tensorflow-gpu 설치
드디어! Tensorflow-gpu를 설치할 환경을 만들어 주었습니다.
Anaconda Prompt를 실행시킵니다.
가상환경을 따로 만들어도 되고, 있는 그대로 사용하셔도 무방합니다.
> pip install tensorflow-gpu
명령어를 입력하여 Tensorflow-gpu를 다운로드 합니다.
다운로드가 잘 되었는지 확인합니다.
> python
> import tensorflow as tf
본인은 설치시 오류가 상당히 많이 발견되었습니다. 다양한 설치 소스들의 버전이 다르다는 내용의 오류였습니다.
왜?
이유는 Tensorflow-gpu의 버전이 2.0 이상으로 다운로드 되었더라구요.(자동 다운)
처음부터 Tensorflow-gpu의 버전이 2.0 이상이라서 오류가 발생한것인지 알 수는 없었지만,
결론적으로 Tensorflow-gpu 버전을 1.13.1 버전으로 다시 다운로드 했더니, 모든 오류가 깔끔하게 없어졌습니다.
☆추측
- Python 3.7.6
- CUDA 10.0
- cuDNN v7.6.5 For CUDA 10.0
- Tensorflow 2.0 미만 버전 적용해야 함
6. Keras 설치
> pip install keras
명령어를 입력하여 keras를 다운로드 합니다.
7. 끝
Tensorflow-gpu 설치 오류 때문에 수십회 재 다운로드 해 본 결과입니다.
90% 이상의 설치 오류는 Python, CUDA, cuDNN 각 버전들의 호환 문제였습니다.
버전을 낮춰서 설치하면 해결되는 것들이 대부분이였네요.
또, 중간중간 소스들의 버전이 맞지 않아서 발생하는 오류들은 오류내용에 맞게 재 다운로드 하면 해결되었구요.
잘 설치하시기 바랍니다.
이상입니다.
-끌림
'코딩 > Machine Learning' 카테고리의 다른 글
| 5. 분류(Classification)_1 (0) | 2020.12.10 |
|---|---|
| 4. 평가(분류 평가) (1) | 2020.11.29 |
| 3. Scikit-learn(사이킷런) (0) | 2020.10.24 |
| 2. Pandas (0) | 2020.09.12 |
| 1. Numpy (0) | 2020.09.08 |
댓글