1.문제
1.1 Tensorflow 공지
TensorFlow 2.10 기본 Windows에서 GPU를 지원하는 마지막 TensorFlow 릴리스였습니다. TensorFlow 2.11 부터 WSL2에 TensorFlow를 설치하거나 tensorflow 또는 tensorflow-cpu 설치하고 선택적으로 TensorFlow-DirectML-Plugin을 사용해 봐야 합니다.
원문
Caution: TensorFlow 2.10 was the last TensorFlow release that supported GPU on native-Windows. Starting with TensorFlow 2.11, you will need to install TensorFlow in WSL2, or install tensorflow or tensorflow-cpu and, optionally, try the TensorFlow-DirectML-Plugin
1.2 나의 pc 상황
1.2.1 Gpu: rtx4060 laptop
1) Search -> Device Mnager -> Display Adaptors
2) Search -> dxdiag -> display2 -> Drivers
3) cmd -> nvidia-smi
1.2.2 Cuda
Windows native
1) cmd -> nvcc --version: cuda 12.1
2) cmd -> nvidia-smi: 12.5
WSL2 cuda
1) ubuntu -> nvcc --version: 12.0
2) ubuntu -> nvidia-smi: 12.5
ubuntu -> /usr/local: 12.3
nvidia-smi와 nvcc --version에서 출력하는 cuda 버전이 다른 이유
nvidia-smi는 GPU 드라이버 설치 프로그램에 의해 설치되며, 일반적으로 CUDA 툴킷 설치 프로그램에서 설치한 것은 인식하지 않고 GPU 드라이버만을 확인합니다.
CUDA 툴킷과 함께 설치되는 CUDA 컴파일러 드라이버 도구인 nvcc는 항상 인식하도록 빌드된 CUDA 런타임 버전을 보고합니다. nvcc는 어떤 드라이버 버전이 설치되었는지, GPU 드라이버가 설치되었는지에 대해 아무것도 알지 못합니다.
따라서 이러한 두 숫자가 항상 일치하는 것은 아니며, 이는 두 가지 다른 항목을 반영하기 때문입니다.
nvidia-smi가 nvcc -V가 보고한 것과 같거나 더 높은 CUDA 버전을 보고한다면, 이는 문제의 원인이 아닙니다. 이는 CUDA에서 정의된 호환성 경로이기 때문에, 최신 드라이버/드라이버 API는 “오래된” CUDA 툴킷/런타임 API를 지원합니다. 예를 들어, nvidia-smi가 CUDA 10.2를 보고하고 nvcc -V가 CUDA 10.1을 보고하는 경우 일반적으로 걱정할 필요가 없습니다. 이는 의도된 동작이며 “CUDA 10.1을 설치하려 했는데 실제로는 CUDA 10.2가 설치된 것은 아닌가?”라고 생각할 필요가 없습니다.
https://stackoverflow.com/questions/53422407/different-cuda-versions-shown-by-nvcc-and-nvidia-smi
1.3 문제
tensorflow를 window에서 실행할 거면, wsl 환경에서 실행해야 한다. 이를 인지하지 못하고 cuda 버전을 침소봉대 형식으로 설치했더니, cuda 버전이 자꾸 불일치하게 되었다. 그래서 window 환경과 wsl 환경에서 cuda 버전이 일치하도록 해야 한다.
2. 문제 해결
pc를 구매한 지 얼마 되지 않아 포맷을 한 다음, 깔끔하게 설치하는 것이 현명하다고 생각이 된다. 필요한 자료만 놓고 포맷을 하여 다시 wsl2를 연결하도록 한다.
