[Lecture 0] Pytorch 설치방법 (Cuda 설정까지)

0. 아나콘다 설치

• Anaconda 들어가기 (https://www.anaconda.com/products/distribution)

• https://97yong.github.io/python/install_python/
• 구체적인 Anaconda 다운로드는 블로그의 위 포스트를 참고해주세요!
• 위의 설치과정을 다 따라하셨다면 1.4로 바로 이동해주세요!

1. 파이토치 설치

• 포스트는 Window10 기준으로 작성되었습니다.
• 파이썬 버전은 3.7 입니다.
• 파이토치 버전은 1.10.2 입니다.
• CuDNN등 여러 스트레스를 받지 않고 한번에 설치가 가능합니다.

1.1. 파이썬 설치

conda create -n 이름 python=3.7

• 명령프롬프트에서 가상환경에 파이썬 3.7버전을 설치해줍니다.

1.2. 가상환경 활성화

conda activate 이름

• 가상환경을 활성화합니다.

1.3. ipykernel 설치

conda install ipykernel jupyter

• ipykernel 라이브러리 사용을 위해 ipykernel을 설치합니다.

1.4. display 설정

python -m ipykernel install --user --name 이름 --display-name “이름”

• 환경 이름을 보여주기 위해 display 이름을 설정합니다
• 가상환경 이름과 똑같은 이름으로 설정해주시면 됩니다.

1.5. pytorch 설치

• 주의사항

  https://en.m.wikipedia.org/wiki/CUDA#GPUs_supported

• 여기서 사용하고 있는 GPU를 확인하셔서 CUDA 가능 버전 찾고,

  https://pytorch.org/get-started/previous-versions/

• 여기서 cuda 버전 같이 적혀있는 명령어 사용하시면, cuda, cudnn 자동으로 맞춰줘서 cuda 작동될 겁니다!

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

• 파이토치와 cudatoolkit(GPU연산을 가능하게 해주는 도구)를 설치해줍니다.

Q. 왜 cpu가 아닌 cuda를 사용하나요?

A. 딥러닝은 간단한 수학연산을 수백만번 연산하게 됩니다. GPU는 이러한 간단한 연산을 병렬적으로 처리할 수 있고, 이는 딥러닝 계산속도를 엄청나게 빠르게하기 때문에 GPU를 사용합니다. 실제로 cuda를 설정하지 않고 코드를 돌려볼 경우 크게는 10배이상의 속도차이가 나는 것을 확인할 수 있습니다.

1.6. 파이토치에 유용한 라이브러리 설치

pip install torchsummary

pip install torch_snippets

pip install jupyterlab

• 저는 주피터랩 사용예정이라 주피터랩을 설치했습니다.

2. 파이토치 gpu 설정 확인

• 주피터노트북이나 주피터랩에 들어갑니다.

device = "cuda" if torch.cuda.is_available() else "cpu"
print(device)

• 결과가 cuda 라고 떴으면 성공입니다.

Q. 결과가 cpu라고 뜹니다.

A. 1.5의 주의사항을 다시 읽어주시길 바랍니다.

• Window키+R -> cmd 를 입력합니다. (주의: anaconda prompt와 다른 프롬프트입니다.)
• nvcc -V 를 입력하고 release 뒤에 오는 버전이 Cuda 버전입니다.

• https://pytorch.org/get-started/previous-versions/
• 위의 사이트에서 자신에게 맞는 Cuda 버전을 찾아준 후에 1.5의 코드를 바꿔줍니다.

DL Code 카테고리 내 다른 글 보러가기