대학원 일과를 끝나고 정리할 겸 집에서 이 글을 작성하게 되었다(졸리다...)
Pytorch를 GPU 환경에서 돌리는 것은 은근 까다롭지만 Tensorflow만큼은 아니니, 어떻게든 따라올 수 있으면 좋겠다!
- 컴퓨터 사양 : Window 11 + RTX 3070
- CUDA Version : 11.6
- CuDNN Version : 8.4.0
사전작업
- CUDA, CuDNN 설치
[CUDA] RTX3070 + Window11 CUDA, CuDNN 설정
RTX 3070에서 Tensorflow와 Pytorch를 사용하기 위해 CUDA와 cuDNN 환경 세팅을 해보았다! CUDA 설치 https://developer.nvidia.com/cuda-toolkit-archive CUDA Toolkit Archive Previous releases of the CUDA Toolkit, GPU Computing SDK, documentat
taichi1.tistory.com
- Anaconda 설치
[DeepLearning] Pytorch, Tensorflow를 위한 Anaconda 설치 및 세팅
대학원 일정을 마치고 집에서도 쉬지 못하는 나... 그래도 이렇게 정리를 해놓으면 나중에 반드시 도움이 될 거 같아 이렇게 글을 작성한다! 아나콘다 설치 다음 웹사이트에 접속을 해 Anaconda를
taichi1.tistory.com
가상 환경 생성
윈도우 메뉴 시작화면에서 Anaconda Prompt를 실행한다.
cmd 화면이 뜨면 다음과 같은 명령어를 입력하고, 중간에 설치 여부를 묻는다면 'y'를 입력한다.
여태까지 내가 했던 것을 잘 따라왔다면, python도 호환을 맞추기 위해 3.9.0으로 하는 것이 중요하다.
conda create -n 환경이름 python=3.9.0
생성된 가상환경을 확인하기 위해 다음과 같은 명령어를 입력한다.
conda env list
정상적으로 torch_ev 가상환경이 만들어진 것을 알 수 있다.
다음 명령어를 입력하여 가상환경을 활성화한다.
activate torch_ev
참고로 가상환경을 삭제하는 명령어는 다음과 같다.
conda env remove -n torch_ev생성된 가상환경(중요!)에 커널을 설치한다.
conda install ipykernel또한, 가상환경에 커널을 연결하기 위해 다음을 실행한다.
ipython kernel install --name torch_ev --userPytorch 설치
아래 사이트에 들어간다.
https://pytorch.org/get-started/locally/
PyTorch
An open source machine learning framework that accelerates the path from research prototyping to production deployment.
pytorch.org
CUDA version을 잘 선택해 준 후, Command를 복사를 한 후, 생성된 가상환경에서 다음 명령어를 실행한다.
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
정상적으로 설치가 된 것을 확인하기 위해, 가상환경에서 python을 입력한다.
python그리고 다음 코드를 입력한다.
import torch
x = torch.rand(5, 3)
print(x)결과가 다음과 같이 나오면, 정상적으로 설치가 된 것이다.
tensor([[0.3380, 0.3845, 0.3217],
[0.8337, 0.9050, 0.2650],
[0.2979, 0.7141, 0.9069],
[0.1449, 0.1132, 0.1375],
[0.4675, 0.3947, 0.1426]])마지막으로 정상적으로 GPU가 설치되었는지 확인하기 위해, 다음과 같은 코드를 입력한다. True가 나온다면 정상적으로 GPU가 잡히는 것이다.
import torch
torch.cuda.is_available()
