CUDA, cuDNN, Tensorflow (GPU) 설치

오늘 연구실 친구가 넘나 고맙게 남는 GPU 하나를 건네줬다.
얼마 전에도 그 친구한테 모니터도 얻었음.
5년차에 드디어(?) 듀얼 모니터.
아무튼 너무 너무 고맙다.

오늘은 Tensorflow GPU 버젼 설치 방법을 적어본다.
지난번에 이미 Anaconda와 Tensorflow CPU 버젼은 올바르게 설치되어있다고 치고.

설치 순서는
1) CUDA 설치 (2018.11 기준으로 Tensorflow가 지원하는 CUDA 버젼은 v9.0)
2) cuDNN 설치 (2018.11 기준으로 CUDA v9.0의 가장 최신 cuDNN은 v7.3.1)
3) Anaconda를 이용한 GPU 버젼 Tensorflow 설치

가 되겠다.

1) CUDA 설치

이 포스트를 작성한 시점에 Tensorflow 최신 버젼은 CUDA v9.0을 지원했다.
반.드.시. 최신 버젼 Tensorflow-gpu가 지원하는 CUDA 버젼을 설치 하도록.
위에 스샷에서 볼 수 있다시피 더 높은 CUDA가 있음에도 불구하고 꼭 하단에 "Legacy Releases"를 눌러서 최신 Tensorflow-gpu가 지원하는 CUDA를 찾아서 설치 해야한다.

또 중요한 것은 나중에 Tensorflow-gpu를 업그레이드 했을 때 해당 Tensorflow-gpu 버젼이 더 높은 CUDA를 지원하게 바뀌었다면 그에 상응하는 CUDA를 다시 설치해줘야한다.

2) cuDNN 설치

cuDNN은 CUDA와 다르게 가장 최신 버젼으로 설치 해주면 됨.
nVidia 사이트에서 받으면 되는데 아마 membership을 요구할 것이다.
그렇다고 유료는 아니니 그냥 가입한 후에 받으면 된다.

받고 압축을 해제하면 bin, include, lib folder가 나올 것이다.
그러면 각 폴더 안에 있는 파일을 현재 CUDA가 설치 된 폴더로 가서 (Program files\NVIDIA GPU Computing Toolkit\CUDA\버젼) 같은 이름의 폴더 안에 붙여넣기 하면 된다.

3) Tensorflow-gpu 설치

Tensorflow CPU 버젼을 설치했을 때와 거의 다르지 않다.
하지만 CPU 버젼과 충돌을 방지하기 위해 또 다른 가상 환경을 만들어주는게 바람직 하다.

> conda create -n tf_gpu python=3.6 anaconda

> activate tf_gpu

> pip install --ignore-installed --upgrade tensorflow-gpu

끝.