딥러닝 개발환경 구축 (윈도우 기준)

 

<일반적인 경우>

: tensorflow-gpu에 맞는 CUDA, CUDNN이 가상환경에 함께 설치됨

0. 엔비디아 그래픽 드라이버 설치 
1. 파이참 설치
2. 아나콘다 설치
3. 아나콘다 prompt창
4. conda create -n 환경이름 tensorflow-gpu=2.5 (버전은 선택하면 됨)
5. gpu 사용 확인방법 => 아나콘다 prompt창에서 conda activate 생성한 환경 -> python 엔터, import tensorflow as tf => sucessfully......
6. 파이참 실행, 프로젝트 생성, interpreter, conda, 설치경로에 들어가면 생성한 개발환경 보인다.

(2022년 12월, 4, 5번 절차가 오류) : 아나콘다 환경 생성 후, 아래 절차 진행

• pip install tensorflow-gpu
• conda install cudatoolkit cudnn

 prompt창에서 -> python 엔터 후, 아래 명령어 입력

• from tensorflow.python.client import device_lib
• device_lib.list_local_devices()

 

<특정 CUDA버전이 필요한 경우, 아나콘다 사용 o>

0. 엔비디아 그래픽 드라이버 설치 -> 커맨드 창, 명령어(nvidia-smi) 입력, 지원하는 cuda버전 확인
1. 파이참 설치
2. 아나콘다 설치(지원하는 파이썬 버전 확인)
3. (Visual Studio 2015, 2017, 2019 필요할 수도 있음)
4. 텐서플로우 버전 조합 확인 (텐서플로우 버전, cuda버전, cuDNN)
5. 아래 명령어로 각각 설치

conda install tensorflow=버전
conda install -c anaconda cudatoolkit=버전
conda install -c anaconda cudnn=버전

 

 

<특정 CUDA버전이 필요한 경우, 아나콘다 사용 x>

: 전역적으로 영향을 미친다. 개발환경이 바뀌면, 모두 다시 설치해줘야 함

0. 엔비디아 그래픽 드라이버 설치 -> 커맨드 창, 명령어(nvidia-smi) 입력, 지원하는 cuda버전 확인
1. 파이참 설치
2. (Visual Studio 2015, 2017, 2019 필요할 수도 있음)
3. 텐서플로우 버전 조합 확인 (텐서플로우 버전, cuda버전, cuDNN)
5. tensorflow 설치(pip install tensorflow), cuda설치, cuDNN 다운 후, 압축풀고, 각 폴더에 덮어쓰기, 환경변수 설정