[딥러닝] 딥러닝을 위한 GPU 셋팅 with VSC

Visual Studio Code에서 딥러닝을 돌리기 위해 GPU 세팅하는 과정입니다.

 

1. Anaconda 설치

Anaconda | Anaconda Distribution

Anaconda | Anaconda Distribution

가상환경을 사용하여 패키지를 관리하는 경우가 대부분이어서 아나콘다를 사용하겠습니다. 다양한 딥러닝 패캐지와 과학 및 머신러닝 쉬운 방법으로 수행 가능하게 해 줍니다.  다양한 가상 환경을 사용 가능하며 win-32로도 사용 가능합니다.

 

 

2. Anaconda 가상환경 생성

anaconda를 설치 완료하면 Anaconda Prompt가 있습니다. 해당 프롬프트에서 

위와 같은 conda env list 명령어로 현재 가지고있는 가상환경을 확인할 수 있습니다.

 

해당 명령어로 가상환경을 생성합니다. conda create --name {가상환경이름} python={버전}

 

생성 후 다시 확인해 보면

생성되었습니다.

 

 

3. CUDA Toolkit 설치

CUDA Toolkit은 GPU 가속화 애프리케이션 개발에 필요한 라이브러리 제공합니다. 딥러닝 알고리즘을 사용하기 쉽게 해줍니다.

GPU 지원  |  TensorFlow

GPU 지원  |  TensorFlow

기존 적인 요구사항은 해당 문서에서 참고 가능합니다.

 

 

CUDA Toolkit Archive | NVIDIA Developer

CUDA Toolkit Archive

CUDA Toolkit의 경우 11.2.2를 설치했습니다.

 

 

4. cuDNN 설치

NVIDA CUDA cuDNN은 딥 뉴럴 네트워크를 위한 GPU 가속화 심층 신경망 라이브러리입니다.

Convolution, Pooling, Activation과 같은 수행을 빠르게해줍니다.

cuDNN 설치 :  cuDNN Archive | NVIDIA Developer

cuDNN Archive

위에서 설치한 CUDA Toolkit과 호환되는 버전으로 설치하면 됩니다.

저는 Download cuDNN v8.1.1 (Feburary 26th, 2021), for CUDA 11.0,11.1 and 11.2 을 설치했습니다.

 

5. cuDNN, CUDA ToolKit 적용

다운로드  폴더에 해당 파일의 파일들을

아래 폴더에 넣습니다.

 

6. tensorflow-gpu 설치 및 VSC에서 가상환경 적용

먼저 위에서 생성한 가상환경에서 tensorflow-gpu를 다운받은 후 tensorflow-gpu를 설치합니다.

이후 vsc에서 가상환경 적용을 위해 Ctrl + shift P로 명령 팔레트 생성 후 interpreter를 검색합니다.

이후 위에서 생성한 가상환경을 설정하면 적용이 됩니다. (가끔 실행했을 때 가상환경이 제대로 적용 안되는 경우 VSC를 껐다 키면 됩니다.)

 

 

아래 코드를 통해 GPU값과

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

아래 코드를 통해 2개의 True 값이 나오면 성공입니다.

import tensorflow as tf
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available())