GPU를 활용하기 위해 딥러닝 환경을 구축하는 과정을 정리해보자.
library : tensorflow
gpu : geforce gtx 1060
os : windows 10
참고 링크 : https://theorydb.github.io/dev/2020/02/14/dev-dl-setting-local-python/
위의 링크를 참고하여 일단 설치까지 진행할 것임.
그러나 현재 기준으로 참고해서 설치해야 하기에 공식 문서의 하드웨어 요구사항 2021.8.26일 기준 최신 버전 에 따라서 다음과 같이 설치했음.
그리고 나서
가상환경 생성 : conda create -n tensorflow2_py37 python=3.7
머신러닝 관련 라이브러리 설치 : conda install -n tensorflow2_py37 numpy scipy matplotlib spyder pandas seaborn scikit-learn h5py pillow tqdm
Finally
conda install -n tensorflow2_py37 tensorflow-gpu
jupyter notebook
을 입력하여 간단하게 모델을 구성 가능한 지 확인해보자.
그 전에 ! 🎶😎
가상 환경에 kernel을 연결해야한다.
python -m ipykernel install --user --name tensorflow2_py37 --display-name tensorflow2_py37
표시 이름은 가상환경 이름과 같게 해주었다.
그리고
import tensorflow as tf
print(tf.__version__)
확인해보면 아래와 같이 출력될 것이다.
그래도 의심될 수 있다. GPU를 사용하고 있는지
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
를 입력하여
아래와 같이 GPU 정보가 출력되면 GPU를 사용하고 있다는 뜻이다.
또는 사용하는 개수를 확인할 수도 있다.
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
지금은 컴퓨팅 환경이 부족하여 🤣🤣🤣 1개 밖에 없지만
여러 GPU로,,, 더 나아가 TPU로 처리하면 더 빠르게 모델을 돌릴 수 있을 것이다!!!