windows11 wsl로 tensorflow 최신버전 GPU와 연결하기 - Step 6. VSCode에서 ipynb파일을 만들어 WSL을 통해 tensorflow 실행
전체 순서
main. windows11 wsl로 tensorflow 최신버전 GPU와 연결하기
0. 무슨 버전을 설치해야할 지 미리 정하기
1. (windows) WSL로 우분투 설치
2. (windows) VSCode 설치 및 WSL 접속
3. (ubuntu) miniconda 설치 & python 설치
4. (windows) 그래픽 드라이버 최신화
5. (ubuntu) CUDA Toolkit, cuDNN 설치
6. (windows) VSCode에서 ipynb파일을 만들어 WSL을 통해 tensorflow 실행
Step 6. VSCode에서 ipynb파일을 만들어 WSL을 통해 tensorflow 실행
이제 정말 마무리 작업만 하면 다 끝난다.
6-1. bashrc 수정
터미널 창에서 아래 코드를 친다.
sudo vim ~/.bashrc그리고 맨 마지막에 아래 코드를 추가하고 저장하자. cuda-12.2는 본인 쿠다버전에 맞춰 수정하면 된다.
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.2/lib64/source 명령까지 쳐야 bashrc 수정사항이 반영된다.
source ~/.bashrc6-2. tensorflow 설치하기
터미널에서 (base)가 아닌 본인이 만든 파이썬으로 활성화 됐는 지 확인하자.
그 후 step 0에서 찾아 놓은 tensorflow 버전을 설치한다.
버전 지정없이 ==만 쓰면, 어떤 버전들을 설치할 수 있는 지 알려준다.
pip install tensorflow==6-3. GPU 연결 확인하기
터미널 창에서 바로 파이썬을 켜서 gpu 연결을 확인할 수 있다.
python파이썬이 켜지면 다음 코드를 타이핑해서 출력을 확인하자.
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
device_type: "GPU"가 뜬다면 완료된 거다.
6-4. 파이썬 인터프리터 연결
이미 gpu는 연결됐지만, 학습을 하려면 노트북이 있는게 편하다.
우선 python extension을 설치하자.
앞서서 설치했던 것은 windows에 설치했던 것이라서, WSL에서 파이썬을 사용하려면 또 설치해야 한다.
그래서 Install in WSL 로 버튼이 바뀐 것도 확인할 수 있다.
ctrl + shift + P 를 누른 후 python을 검색해서 Python: Select Interpreter를 클릭하자.
그리고 conda로 만들었던 파이썬 환경을 선택하자. (./miniconda3로 시작하는 것으로)
6-4. ipynb파일 만들기
Extensions에서 jupyter를 검색해서 설치하자.
VScode 좌측 explorer 혹은 터미널의 touch를 이용해서 ipynb 파일을 만들어 보자.
그리고 우측에서 Select Kernel 버튼을 찾아 클릭하자. 그러면 아래처럼 커널 선택 창이 나올건데, Python Environments...를 클릭하자.
선택한 후 노트북 셀에 코드를 쓰고 실행하려고 하면, 패키지가 필요하다고 뜰거다.
Install을 눌러 설치하자.
여기서도 gpu 연결을 확인할 수 있다.
앞에서 당연히 됐기 때문에 gpu 연결됐다는 출력을 볼 수 있다.
6-5. tensorflow 맘껏 사용하기
드디어 끝났다! 이제 하고 싶은 학습을 하면 된다.
gpu로 학습이 잘 되고 있다면, window 작업관리자 -> 성능 -> GPU에서 메모리가 할당되고 연산도 되는 것을 볼 수 있을 것이다.
