gpu cuda windows 설치 (Jupyter Notebook gpu 사용)

데스크톱에 gpu가 있는데도 쓰지 않다가 Jupyter Notebook 환경에서 모델 트레이닝을 하게 되면서 설치하게 됐다.

따로 가상환경을 만들어서 사용한다면 가상환경 만들고 활성화 한 다음에 2번부터 하면 된다.

 

0. Visual Studio 가 설치 되어 있어야 한다.

1. 가상환경 설정

가상환경 새로 만들기

(anaconda prompt를 이용해 로컬에서 만드는 것으로, 서버의 폴더에서 만드는 가상환경과는 차이 존재)

# list of all the envs
conda env list 

# creating python virtual env
conda create -n {env_name} python 

# to specify the version of python
conda create -n {env_name} python=3.7 

#creating with prior library's
conda create -n {env_name} python anaconda

가상환경 실행 

# activate env in conda
conda activate {env_name}

2. CUDA 설치

 

2.1 gpu 확인

내 컴퓨터에 있는 gpu 모델은 [작업관리자 > 성능] 으로 들어가면 확인 가능하다.

2.2 NVIDIA 드라이버 설치

https://www.nvidia.com/Download/index.aspx?lang=kr 

NVIDIA 드라이버 다운로드

확인 gpu에 맞게 선택해서 설치해주면 된다.

2.3 cuda toolkit 설치

주의점: 버전은 가장 최근 버전보다 조금 더 낮은 버전을 설치하자 

https://developer.nvidia.com/cuda-toolkit-archive

CUDA Toolkit Archive

latest Release로 자신있게 11.4.2 버전을 설치했다가 온갖 오류로 3시간 정도 고생했다.

구글링으로 원인과 해결방법도 찾아보고, 공식 홈페이지를 보고 따라해봤지만,

import torch

torch.cuda.is_available()

print(torch.version.cuda)

의 결과는 'False'와 'None' 이었다. 

많은 글들을 참고하다 버전의 문제일 수 있다는 생각이 들어, 11.4 버전은 다 지우고 10.1버전으로 다시 했더니 10분만에 모든게 해결됐다.

알맞는 os, version, installer type을 선택하면 exe 파일을 다운 받을 수 있다.

 

3. PyTorch 설치

3.1 pytorch 설치

https://pytorch.org/get-started/locally/

PyTorch

#version10
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

#version11
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

pytorch를 설치 할 때, 마찬가지로 os, pacakge, language, compute platform 등을 다 선택하면, 입력해야할 명령어를 알려준다.

version 10 과 version11의 코드의 차이가 존재한다. 위 코드는 anaconda promt에서 가상환경에 들어간 뒤 쳐주면 된다.

version11을 하면서 HTTP 연결이 끊겼다는 오류와 torchvision, torch의 설치가 제대로 안 되는 문제들이 발생했는데, 

conda install --insecure pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

--insecure 를 써주면 어떻게 어떻게 깔리기는 하지만, 앞서 언급했던 cuda 버전 확인과 is_available()를 했을 때 'false'와 'none'이 나온다. (이후 버전을 10대로 낮추어서 진행할 때는 위와 같은 문제들이 발생하지 않았다.)

 

3.2 CuDNN 설치

위 명령어를 입력하면, CuDNN도 설치되는 것으로 알고 있지만, 따로 설치가 가능하다.

https://developer.nvidia.com/cudnn

NVIDIA cuDNN

사이트를 통해 다운로드 하는 경우, 회원가입과 로그인이 필요하다. 

다운로드한 [cuda > 10.1 > bin, lib, extras] 파일들을  [내pc > c드라이브 > 프로그램파일 > NVIDIA GPU Computing Toolkit > CUDA > 10.1 ] 에 복사해주고 환경 변수 편집으로  [시스템 속성 > 환경 변수 > path ] 에 추가한다.

 

4. 설치 확인

import torch

torch.cuda.get_device_name(0) #check cuda name
torch.cuda.is_available() 
torch.__version__

위 명령어들로 pytorch, cuda가 모두 제대로 설치 되었는지 확인할 수 있다.