윈도우에 Tensorflow-GPU(2.5.0) 설치하기 - 그래픽카드 버전, CUDA 버전 등등

목차

 

텐서플로우만 설치해서 CPU버전으로 사용하는 것은 매우 쉽습니다. 하지만 gpu연동하는 것은 정말 쉽지 않은 것 같아요. 하나라도 잘못하면 안돌아가는 경우가 다반사입니다. 주의해서 꼭 차근차근 확인하시면서 진행하시는 것이 좋습니다. 본 글에 나온 버전들과 또 달라질 수 있기 때문에 꼭 확인 해야한다고한 부분은 확인하고 설치하기는 것이 좋습니다!

0. Window 기준 가상환경 설정

가상환경 설정하는 방법은 이전 글을 통해서 확인해주시면 감사하겠습니다.

가상환경은 꼭 구생해야하는 것은 아니니 넘어가도 무방합니다.

[Anaconda] 가상환경 만들기 + 필요한 이유

Jupyter Notebook에 가상환경 Kernel 연결하기

 

1. 기본 라이브러리 설치

pip install을 사용해서 기본적인 tensorflow 라이브러리를 설치해줍니다.

GPU 버전을 사용하기 위해서 tensorflow-gpu라이브러리 또한 설치해주도록 합니다.

pip install tensorflow
pip install tensorflow-gpu
# pip install tf-nightly

텐서플로우의 특정 버전이 필요하다면 해당 버전을 지정해서 설치해주도록합니다.

pip install tensorflow==1.15.0
pip install tensorflow-gpu==1.15.0

pip install tensorflow==2.5.0

# gpu 버전 설치하기 위해서는 gpu 꼭 적어주세요.
pip install tensorflow-gpu==2.5.0

 

 

2. CUDA 설치

1. 본인의 GPU 사양 확인하기

본인 컴퓨터의 GPU가 어떤 사양인지 확인하도록 합니다. CUDA를 사용한 텐서플로우 GPU는 NDVIA 그래픽 카드에 해당합니다.

1. 윈도우 검색에서 장치 관리자를 찾아서 들어가도록 합시다.

2. 장치관리자 > 디스플레이 어댑터
3. 그래픽 카드 확인하기
4. 저의 경우는 NVIDIA GeForce GTX 950M 입니다. 해당 버전에 맞는 cuda를 설치하기위해 찾아가겠습니다.

 

2. Compute Capability 확인

먼저 하드웨어는 CUDA® Compute Capability 3.5 이상의 NVIDIA® GPU 카드만 지원한다고 합니다. 본인의 Compute Capability가 3.5 이상인지 확인하도록 합니다.

본인의 컴퓨터 GPU가 충분히 좋다 or 이미 된다는 것을 알고있다 >> 그냥 넘어가셔도됩니다.

1. 아래 링크에 들어가서 본인의 그래픽 카드능력을 확인합니다.저는 NVIDIA GeForce GTX 950M 이므로 GeForce를 클릭해서 들어가겠습니다.
2. https://developer.nvidia.com/cuda-gpus#compute

2. 본인 Compute Capability 확인하기

저는 5.0이므로 충분하군요. 다음 진행으로 넘어가겠습니다.

 

3. NVIDIA 드라이버 설치

1. GPU 카드에 맞는 최신 NVIDIA 드라이버를 잡아주도록 합니다.
2. 아래 주소에 들어가서 본인의 제품을 선택한 후 설치하면 됩니다.
3. https://www.nvidia.com/Download/index.aspx?lang=kr

4. 검색 > 다운로드 > 다운로드한 드라이버 설치 > 드라이버 설치 완료

 

4. CUDA Toolkit 설치

가장 먼저 현재 텐서플로우가 지원하는 CUDA Toolkit 버전이 몇인지 확인하도록 합니다.

이건 구글에 검색하면 바로 찾을 수 있습니다.

Tensorflow 1.x 버전에서는 GPU를 사용하려면 CUDA 10.0을 설치하시면 됩니다.

2.2.0 설치할 때에는 CUDA® Toolkit 10.1을 설치했었습니다.

현재는 22년 7월 기준 CUDA® 11.2(TensorFlow 2.5.0 이상)를 지원합니다. 

TensorFlow 2.5.0 이상의 버전을 설치하는 경우에는 꼭 CUDA 11.2 버전으로 설치하셔야합니다.

그리고 버전은 계속해서 업데이트 될 것이므로 현재 Tensorflow가 최신 어떤 버전을 지원하는지 꼭 확인하고 설치하시는 것을 권장드립니다.

1. CUDA Toolkit Archive 설치 페이지로 이동합니다.
2. https://developer.nvidia.com/cuda-toolkit-archive
3. 본인의 환경에 맞는 설치파일을 찾습니다.
4. 11.2 쿠다를 선택해서 들어갑니다.

1. 저는 윈도우10 환경이므로 아래와 같이 선택해서 진행하였습니다.

4. 다운로드를 진행합니다.
5. 다음>다음>다음> 하면서 설치를 완료해주시기 바랍니다.

 

3. Visual Studio 설치

저는 Visual Studio Community 2017을 설치했습니다. 2019년 너무 최신이고 2015는 조금 오래되기도 했고 이전 버전이 같이 다 설치된다는 애기가 있어서, 저는 2017을 설치했습니다.

1. Visual Studio 설치 페이지로 이동합니다.
2. 아래의 두 개의 링크 중 하나 선택해서 받으시면 됩니다.
3. https://docs.microsoft.com/ko-kr/visualstudio/productinfo/2017-redistribution-vs#vs2017-download
4. https://docs.microsoft.com/ko-kr/cpp/windows/latest-supported-vc-redist?view=msvc-170
5. Community 2017을 선택해서 Community 버전으로 설치를 진행합니다.
6. 다른 프레임워크나 환경 추가적인 설치할 필요 없이 기본만 설치하시면 충분합니다.

 

 

 

 

 

4. CuDNN 설치

1. CuDNN 설치 위치로 이동합니다.
2. https://developer.nvidia.com/cudnn
3. Download cuDNN 을 선택합니다.
4. 회원에게만 공개되므로 꼭 회원가입 해서 로그인 해야합니다. 오래 걸리지 않고 간단하니 그냥 쭉쭉 진행해줍니다.
5. 로그인 후 다시 다운로드를 진행합니다.
6. 압축파일이 다운로드 될 것입니다. 해당 압축을 해재해줍니다.
7. 내pc > c드라이브 > 프로그램파일 > NVIDIA GPU Computing Toolkit > CUDA > 10.1 로 이동해줍니다.

8. 압축해제한 폴더에 있는 모든 파일을 복사해서 C드라이브 CUDA 10.1 폴더에 붙여넣기 해줍니다. 모두 진행하기로 덮어씌워줍니다.

 

5. 환경 변수 설정

1. 환경 변수 설정을 위해 시스템 환경 변수 편집으로 들어가줍니다.

2. 환경 변수 설정을 누룹니다.

3. path를 누르고 편집을 누릅니다.

4. path를 추가해줍니다.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

# 자신의 CUDA 설치한 버전에 맞게 경로 설정하세요
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

버전이 다르면 다른 버전으로 바꿔서 넣으면 되는 것 같아요.

 

6. 설정 확인

여기까지 따라하느라 고생 많으셨습니다. 이제 실제로 실행이 되는지 확인만 하면 끝입니다.

텐서플로우를 실행해서 버전을 확인해봅니다. 실제 import가 잘 되서 버전확인이 되는지 확인합니다. 여기까지 성공했다면 일단 tensorflow가 설치는 된 것입니다.

이제 GPU버전이 설치되어서 연동되는지 확인해보겠습니다.

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

저의 결과는 아래 이미지와 같이 나왔습니다. 자세히 보면 device_type이 나와있습니다. CPU 뿐만 아니라 GPU가 나오는지 확인해 주시면 되겠습니다.

동작까지 확인하고 모델 학습을 실행하시고 작업관리자에서 gpu가 사용되는 것을 확인하면 됩니다.

수고많으셨습니다!