Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
Tags
- conda
- cudnn
- 오류 해결
- GPU
- docker
- torchmetrics
- Anaconda
- 밑시딥1
- StyleGAN
- gpu 설정
- 머신러닝
- pytorch
- cuda
- VMwawre
- jupyter notebook
- ubuntu
- 신경망
- 원격 데스크톱
- window11
- Reinforce Learning
- .wslconfig
- 딥러닝
- 가상환경
- tfrecord
- 메모리 제한
- wsl2
- window
- RuntimeError
- 경사법
- 밑바닥부터 시작하는 딥러닝
Archives
- Today
- Total
이제라도 기록하기
Window에서 Tensorflow 설치 및 GPU 사용 본문
가상환경에 tensorflow 설치
가상환경 만들기(생략가능)
tensorflow를 설치하기 전에 가상환경을 만들어 만든 가상환경 안에 tensorflow를 설치하고자 한다. 본인은 설치할 tensorflow 버전에 맞춰 가상환경을 python 3.8로 설정하였다.
💡 가상환경을 만드는 이유
가상환경을 만들면 가상환경마다 독립적인 환경을 만들어 작업을 진행할 수 있다. 한 환경에서만 여러 프로젝트를 진행하다보면 여러 라이브러리와 패키지를 사용하게 되는데 각 라이브러리 혹은 패키지끼리 충돌하거나, 특정 버전의 라이브러리만 호환이 가능한 경우가 있어 삭제와 재설치를 해야하는 경우가 발생할 수 있다. 가상환경 안에 필요한 라이브러리 및 패키지만 설치하여 사용하면 앞서 말한 상황을 방지할 수 있다.
tensorflow 설치
가상환경 안에서 아래 명령어를 실행시켜 설치한다.
> pip install tensorflow==2.10 --force-reinstall
https://www.tensorflow.org/install/pip?hl=ko#windows-native
위 사이트에서 확인할 수 있다시피 현재 윈도우에서는 Tensorflow 2.10 버전이 GPU를 지원하는 마지막 버전이기 때문에 2.10을 설치하였다.
tensorflow가 GPU를 사용할 수 있는지 확인
가상환경 안에서 python 인터프리터 실행 후에 아래 코드를 실행하면 다음과 같은 결과가 나온다.
확인 방법1
>>> import tensorflow as tf
>>> tf.config.list_physical_devices('GPU')
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
확인 방법2
>>> from tensorflow.python.client import device_lib
>>> print(device_lib.list_local_devices())
...
[name: "/device:CPU:0"
device_type: "CPU"
...
, name: "/device:GPU:0"
device_type: "GPU"
...
'Settings > GPU' 카테고리의 다른 글
Window에서 PyTorch 설치 및 GPU 사용 (0) | 2023.08.03 |
---|---|
(설치 후) GPU, CUDA, cuDNN 버전 확인 (0) | 2023.08.03 |
Window에서 CUDA 11.8, cuDNN 8.7.0 설치 (0) | 2023.08.03 |
(설치 전) GPU, CUDA, cuDNN 버전 확인 (0) | 2023.08.03 |