tensorflow( gpu 버전 및 cpu 버전 )와 keras 설치

• tesorflow-cpu 버전 설치

나는 노트북을 사용하고 있어 NVIDIA GPU가 없다. 선택의 여지가 없이 cpu 버전을 설치했다. 나중에 외장형 NVIDIA GPU를 설치해볼 예정이다.

Anaconda를 설치하지 않았기 때문에 Native PIP를 이용해서 설치를 한다. PIP로 설치하면 install 명령어 하나로 간단하다. vertualenv 가상환경을 실행 시킨후 pip를 이용하여 tensorflow를 설치한다.

 

pip install --upgrade tensorflow

 

tensorflow를 처음 설치한다면 --upgrade 옵션이 필요없다. tensorflow가 설치되어 있다면 upgrade를 하라는 옵션이다.

나는 python 3.7.3과 vertualenv를 사용하고 있어 Anaconda를 사용하지 않았다.

 

vertualenv 가상환경에서 tensorflow cpu 버전 설치

tensorflow 설치 후 pip list 명령어로 확인

 

 

• tensorflow-gpu 버전 설치

tensorflow gup 버전 설치 역시 vertualenv 환경에서 pip로 쉽게 할 수 있지만 pip로 설치하기 전 NVIDIA GPU dirver 업데이트 및 NVIDI Toolkit 설치와 환경변수 설정 등 해야할 일이 몇가지 더 있다. 

tensorflow gpu 버전을 설치하기 위해 NVIDIA 페이지에 들어가 CUDA를 다운로드하여 설치해야 한다.

 

• CUDA 및 cuDNN 설치 순서/방법

1. 내 PC의 '장치관리자'에 들어가 GPU가 NVIDIA 인지 확인 후 드라이버 업데이트를 한다.
2. https://www.tensorflow.org 에 접속한다.
3. 아래 'NVIDIA CUDA Toolkit 및 cuDNN SDK 다운로드' 그림과 같이 tensorflow페이지에서 install->GUP support를 선택 후 CUDA Toolkit과 cuDNN SDK를 다운로드한다.
4. 다운로드한 CUDA Toolkit을 설치한다.
5. CUDA Toolkit 설치 후 다운받은 cuDNN의 압축을 푼다.
6. cuDNN의 압축을 푼 후 'cuda' 폴더 밑에 'bin', 'inculude', 'lib' 폴더가 생긴다.
7. cuDNN의 cuda 폴더 밑에 생긴 폴더의 파일들을 CUDA Toolkit 설치 폴더에 복사하는데 각 파일들은 경로에 맞게 복사해야 한다.
8. 각 파일들 복사가 끝나면 CUDA Toolkit을 설치한 폴더 밑의 cuda\bin 폴더, 예를 들어 'C:\Program Files\CUDA\bin' 폴더의 path를 환경변수의 'PATH'에 설정한다. 이 설정을 안해주면 나중에 python에서 tensorflow를 사용할 때 콘솔창에 drive_init() error가 나오면서 tensor가 실행이 안될 수 있다.
9. 환경변수의 PATH에 'cuda\bin\'폴더를 설정해 주기 전에 꼭 cuDNN 압축푼 폴더의 'cuda\bin\' 폴더의 파일 및 cuDNN 폴더 밑의 파일들을 '7번' 처럼 복사해줘야 한다.

 

 

NVIDIA CUDA Toolkit 및 cuDNN SDK 다운로드

 

CUDA Toolkit  및 cuDNN 설치가 끝나면 이제 vertualenv를 실행 시킨 후 tensorflow-gpu 버전만 pip로 설치하면 끝이다.

 

pip install --upgrade tensorflow-gpu

 

 

• keras 설치

tensorflow( cpu/gpu 버전 모두해당 )를 설치했다면 keras를 pip로 설치한다.

 

pip install keras

 

pip로 keras 설치화면

 

python에서 pip로 tensorflow gpu 버전 및 cpu 버전 설치와 keras 설치가 끝났다.

이제 내가 좋아하는 coding을 할 수 있다. ㅎㅎㅎ