Rec.

2. GPU package for CUDA-enabled GPU card

GPU를 이용해 연산수행

CPU버전보다 연산속도가 빠르다.(예제코드를 수행할때도 체감할 수 있다.)

GPU버전의 Tensorflow를 설치하기 위해서는 아래 요구사항을 만족해야한다.

HW 요구사항

- NVIDIA 그래픽 카드와 CUDA Compute Capability 3.5 이후 버전

- 다음 링크에서 확인가능: CUDA-enable GPU cards

SW 요구사항(다음 NVIDIA 소프트웨어가 설치되어있어야 함)

- NVIDIA GPU drivers - CUDA 9.0 384.x 이상

- CUDA Toolkit - Tensroflow 지원 CUDA 9.0

- CUPTI - CUDA Toolkit과 함께 제공

- cuDNN SDK (>= 7.2)

- (Optional) NCCL 2.2 - 다중 GPU 지원

- (Optional) TensorRT 4.0 - 일부 모델에서 추론을위한 처리량 향상

(*) 따라서 NVIDIA 그래픽카드 및 드라이버, CUDA Toolkit 9.0, cuDNN SDK 설치가 필요하다.

2.1. CUDA Toolkit 설치

당연히! NVIDIA 그래픽카드 및 드라이버는 설치되어있을것이다.

(2019.01.27. 현재)

CUDA Toolkit의 최신 버전은 10.0 이다.

그러나, 10.0을 설치하면 Tensorflow-gpu 설치시 오류발생!

아래 링크를 통해 반드시 9.0을 설치해야 한다.

https://developer.nvidia.com/cuda-90-download-archive

링크를 통해 접속하면 아래 그림과 같은 화면이 나오고,

본인의 시스템에 맞는 OS, Version을 선택하여 다운로드 하여 설치한다.

2.2. cuDNN SDK설치

CUDA Toolkit의 설치가 완료 되었다면

아래 링크를 통해 설치된 CUDA의 버전에 맞는 cuDNN을 다운로드 받는다.

멤버십 가입하고, 로그인 하면 아래 화면을 볼 수 있으며

Download cuDNN> 버튼을 클릭하면, 다음화면을 볼수 있으며

I Agree To the Terms of the cuDNN software License Agreement에 동의를 하면,

CUDA버전별로 다운로드 받을수 있는 링크가 나오고,

CUDA9.0을 선택하면 아래와 같이 각 OS별로 라이브러리를 받을수 있는 링크가 나온다.

여기서 본인의 OS에 맞는 링크를 선택하여 라이브러리(zip파일)를 다운로드 받는다.

zip파일을 풀면 아래와 같이

bin, include, lib 폴더와 각 폴더안에 라이브러리 파일이 생성된다.

생성된 각 폴더를 아래의 위치에 복사(또는 이동)해 준다.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\

가상환경에 tensorflow-gpu를 설치

2.3. Tensorflow-gpu 설치

(py36_tf_gpu) C:\Users\     > pip install --upgrade tensorflow-gpu

오류 메세지 없이 설치가 완료 되었다면,

정상적으로 설치가 완료 되었는지 확인하기 위해 아래 코드를 수행해보자

(py36_tf_gpu) C:\Users\     > python

...

>>> import tensorflow as tf

>>> a = tf.constant(10)

>>> b = tf.constant(32)

>>> sess = tf.Session()

>>> sess.run(a+b)

42

자세한 설명은 않고, 오류 메세지 없이 42가 출력되었다면 잘 설치된 것이다.

(*) 10+32 출력 결과

AVX2관련 경고메세지(Tensorflow설치(2) 에서 확인) 및 기타 로그 메세지(?)는 일단 무시하자.