GPU 지원 머신러닝, 딥러닝 Library를 설치하기 위한 준비2. Nvidia CUDA Toolkit 10.0 설치하기

본 설치 과정을 모두 진행함으로써 설치하려는 ML, DL 라이브러리는 아래의 세 가지이다.

1. ML계의 대부 scikit-learn

2. DL계의 쌍두마차 pytorch, tensorflow

 

이 중, scikit-learn은 Anaconda에서 환경을 구성 시에는 자동으로 포함하여 설치해준다.

싸이킷런은 GPU버전이 따로 존재하지 않아, Nvidia 관련 설치과정과는 무관하다.

 

딥러닝 라이브러리인 파이토치(pytorch)와 텐서플로(tensorflow)는 모두 GPU 가속화 버전이 존재한다.

 

앞선 과정인 Nvidia Driver 설치는 기본 과정으로, 라이브러리와 종속성이 없지만,

이번 절차인 CUDA설치과 cuDNN 설치의 경우 종속성이 존재하기 때문에

안정적으로 한번에 설치를 끝내기 위해, 우선적으로 pytorch와 tensorflow의 GPU 설치 관련 공홈을 살펴보자.

 

a. PyTorch GPU버전 종속성 -> recently CUDA 10.0

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

 

b. TensorFlow GPU버전 종속성 -> recently CUDA 10.0

https://www.tensorflow.org/install/gpu

PyTorch, TensorFlow 두 라이브러리 모두 CUDA Toolkit 10.0 이 공통적으로 지원하는 가장 높은 버전임을 알 수 있다.

본인 그래픽카드의 CUDA Compute Capability와 CUDA Toolkit 지원여부를 확인하고 싶으면

https://developer.nvidia.com/cuda-gpus 여기서 확인해보도록 하자. (참고로, GTX 1060은 Compute Capability 6.1)

 

 

1. CUDA Toolkit 10.0 설치하기

2019년 7월 17일 현재, CUDA Toolkit의 최신 버전은 10.1 이다.

그러나, PyTorch 및 TensorFlow가 지원하는 가장 높은 버전의 CUDA Toolkit은 10.0이므로 10.0 을 설치한다.

 

CUDA Toolkit Archive (10.0 이외 다른 버전 필요할 시) - https://developer.nvidia.com/cuda-toolkit-archive

CUDA Toolkit 10.0 다운로드 링크 - https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

CUDA Toolkit 10.0 Archive

위 10.0 다운로드 링크에서 아래와 같이 CUDA Toolkit 10.0을 다운로드 할 수 있다. (Nvidia 계정 로그인 필요)

나는 네트워크 버전보다는, 로컬 실행버전 (exe)가 취향이다.

무려 2.1GB에 달하는 CUDA Toolkit 설치 파일을 받은 뒤, 설치해보자.

 

 

 

 

← 이와 같은 설치 파일이 받아지면, 실행한다.

 

 

살포시 동의 및 계속..

나는 프로그램 설치 시, 을사조약(?) 을 맺지 않기 위해 항상 사용자 정의를 구현한다.

별다른 잡다한 옵션 사항이 없어서, 전체 체크!

기본위치로 두었다.

열심히 설치중..

설치가 완료되었다.

 

모든 설치 과정이 성공적으로 끝나면, CUDA Toolkit 10.0 이 성공적으로 설치된 것이다.

윈도우라면 커맨드라인에서 $ nvcc --version을 통해 정상적으로 설치 되었는지 확인할 수 있다.

 

참고로, 설치가 안되어 있다면, 찾을 수 없는 명령어라고 뜬다.

 

정상적으로 CUDA Toolkit의 설치가 완료되었으면, 이제 cuDNN을 설치해보자.