딥러닝 환경 구축하기 (Tensorflow) - 2. 사용

딥러닝 환경 구축하기 (Tensorflow) - 사용

이전 포스트에서 Python3.6, Anaconda, CUDA 9.0, cuDNN을 모두 설치하였다. 이번 포스팅에서는 Anaconda를 이용하여 가상 환경을 만들고, Tensorflow 예제를 실험해보도록하자.

이번 포스트는 Anaconda의 사용법 공부보다는, 딥러닝 환경을 구축하는 것 자체에 목적을 두기 때문에 명령어 위주로 간단히 짚고 넘어가겠다.

가상 환경 생성

Windows10의 시작버튼을 클릭하고 Anaconda를 검색하여 설치된 Anaconda Prompt를 실행한다. 이제 conda라는 명령어로 Anaconda를 사용할 수 있게 되었다.

프롬프트에 다음의 코드를 입력하여 새 가상환경을 만들자.

>> conda create -n tensorflow python=3.6

y를 눌러 python3.6 기반의 가상환경을 설치하고 나면 다음의 명령어로 생성된 가상환경을 활성화 할 수 있다.

>> activate tensorflow

conda와 설치된 python 패키지를 최신 버전으로 업데이트 하기 위해 아래 두 명령어를 입력한다.

>> conda update -n base conda
>> conda update --all

이제 Tensorflow를 설치할 차례이다. 만약 Nvidia GPU없이 CPU만으로 Tensorflow를 구동하려면 다음의 conda 명령어를 이용하자.

>> conda install tensorflow

만약 Nvidia GPU(CUDA9.0 supported GPUs)를 이용하려한다면 다음의 명령어로 Tensorflow를 설치하자.

>> pip install tensorflow-gpu

Tensorflow 예제 실행

prompt에서 tensorflow의 정상 설치 여부를 확인하는 예제이다.

>> python
>> import tensorflow as tf
>> var= tf.constant('Hello Tensorflow!')
>> sess = tf.Session()
>> print(sess.run(var))

b'Hello Tensorflow!'가 출력되었다면 설치 완료!

etc

가상환경 삭제

만약 생성한 가상 환경을 삭제하고 싶다면 다음 명령어를 사용하면 된다.

>> conda remove -n virtual_environment_name -all

Tensorflow 설치 에러

Could not find a version that satisfies the requirement tensorflow-gpu (from versions: )
No matching distribution found for tensorflow-gpu

위와 같은 에러가 나온다면, 설치한 CUDA와 Tensorflow가 서로 호환되지 않는 경우일 가능성이 높다. 본 포스트에서 설치한 버전은 CUDA9.0과 Tensorflow1.12이다.

ImportError: DLL load failed 에러

python에서 import tensorflow as tf 명령어 입력시 ImportError: DLL load failed 혹은 ImportError: Could not find 'cudart64_90.dll'에러가 발생한다면 Anaconda의 PATH 변수가 CUDA를 포함하고 있지 않기 때문이다. 이 경우, 아래의 명령어를 프롬프트에 입력하여 해결할 수 있다.

>> set PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;%PATH%