geek yogurt

not greek yogurt

https://webnautes.tistory.com/1428
쿠다 설치 과정은 위의 블로그 내용을 대부분 가져온 것임을 밝힙니다.
설치방법을 기록해두기 위해 작성하는 글입니다.

기존 환경 삭제

먼저 기존에 설치되어 있던 nvidia와 cuda를 지운다.

sudo apt-get purge nvidia*
sudo apt-get autoremove --purge 'cuda\*'

$ sudo apt-get autoremove
$ sudo apt-get autoclean
$ sudo rm -rf /usr/local/cuda*

.bashrc 나 /etc/profile에 추가되어 있는 CUDA관련 설정도 지워주자.

설치할 버전 확인

https://www.tensorflow.org/install/source?hl=ko#linux

이 사이트에서 설치하려는 텐서플로 버전에 맞는 CUDA와 cuDNN 버전을 확인 할 수 있다.

image1

tensorflow-gpu-2.7.0 버전을 설치할 예정이니
CUDA 11.2와 cuDNN 8.1 을 설치하면 된다.

nvidia 드라이버 설치

ubuntu-drivers devices

위의 커멘드를 입력하면 설치가능한 드라이버 목록이 나온다.

image1

드라이버는 아래 명령으로 원하는 버전을 설치 할 수 있다.

sudo apt install <드라이버>

나는 470 버전을 설치했다.

sudo apt install nvidia-driver-470

설치후 재부팅을 해줘야 한다.

재부팅후 nvidia-smi 을 터미널에 입력하면

image1

이런식으로 정보가 나온다.
오른쪽 상단의 CUDA Version이 지원가능한 최신 버전이다.

CUDA toolkit 설치

https://developer.nvidia.com/cuda-toolkit-archive

위 링크에 들어가 CUDA Toolkit 11.2를 찾는다.

환경에 맞게 선택하고 Installer Type은 runfile을 선택한다.

image1

아래쪽 Base Installer 소스를 복사해서 터미널에 입력한다.
설치화면이 뜨는데 시간이 좀 걸린다.

아래 화면이 나오면 continue를 선택

image1

그다음 accept를 입력하고 엔터.

image1

Driver 항목에서 스페이스바를 누르면 체크가 해제된다.
체크해제 후 Install 항목을 선택하면 설치가 된다.

image1

설치가 끝나면 다음 명령으로 CUDA Toolkit 관련 설정을
환경 변수에 추가하고 적용한다.

$ sudo sh -c "echo 'export PATH=$PATH:/usr/local/cuda-11.2/bin' >> /etc/profile"
$ sudo sh -c "echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.2/lib64' >> /etc/profile"
$ sudo sh -c "echo 'export CUDADIR=/usr/local/cuda-11.2' >> /etc/profile"
$ source /etc/profile

설치가 잘 되었는지 확인하려면 터미널에 nvcc -V를 입력하면 된다.

cuDNN 설치

https://developer.nvidia.com/cudnn

위의 링크에 접속한다.

Download cuDNN을 누르면 로그인을 하라고 한다.
계정이 없다면 가입을 하고 있으면 로그인한다.

로그인하면 아래처럼 나오는데 라이센스 동의에 체크하고
Archived cuDNN Releases를 클릭.

image1

그리고 위에서 확인한 대로 8.1 버전을 다운 받는다.
Download cuDNN v8.1.0 (January 26th, 2021), for CUDA 11.0,11.1 and 11.2 를 누르고
cuDNN Library for Linux (x86_64)를 누르면 다운이 시작된다.

image1

다운이 끝났으면 압축을 풀고 파일을 복사해준다.

$ sudo cp cuda/include/cudnn* /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

링크를 다시 걸어줘야 한다…
라고 블로그에 써있어서 하긴 했는데 왜하는지는 잘 모르겠다.

$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.1.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.1.0  /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.1.0  /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.1.0  /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.1.0  /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.1.0 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8
$ sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn.so.8.1.0  /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn.so.8

그다음 아래 명령어를 사용해 추가된 라이브러리를 시스템에서 찾을 수 있도록 한다.

sudo ldconfig

ldconfig가 뭔지 잘 모르겠지만 공유 라이브러리 캐시를 다시 설정하는 명령어라고 한다.

설정이 잘 되었는지 확인하려면 루트디렉토리에서 다음명령을 입력한다.

ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep libcudnn

출력

libcudnn_adv_train.so.8 -> libcudnn_adv_train.so.8.1.0
libcudnn_adv_infer.so.8 -> libcudnn_adv_infer.so.8.1.0
libcudnn_ops_infer.so.8 -> libcudnn_ops_infer.so.8.1.0
libcudnn.so.8 -> libcudnn.so.8.1.0
libcudnn_ops_train.so.8 -> libcudnn_ops_train.so.8.1.0
libcudnn_cnn_train.so.8 -> libcudnn_cnn_train.so.8.1.0
libcudnn_cnn_infer.so.8 -> libcudnn_cnn_infer.so.8.1.0

tensorflow 설치

드디어 텐서플로를 설치할 차례이다.

pip install tensorflow

나의 경우 위의 명령으로 gpu 버전이 아닌 텐서플로를 설치하니 gpu인식이 되지 않았다.

pip install tensorflow-gpu=2.7

그래서 위의 명령어로 gpu 2.7 버전을 설치하니 정상적으로 gpu를 인식했다.

처음에는 최신버전인 2.10버전을 설치했었는데 코드 실행과정에서 에러들을 좀 마주쳤다.
역시 최신버전은 깔면 안된다는 교훈을 또다시 얻고 2.7 버전을 설치하니 안정적으로 돌아갔다.

설치 환경

image5

Leave a comment

You may also enjoy