Tensorflow 2.x Installation on Windows 10 ( GPU )

• Tensorflow 2.x을 Anaconda에서 설치하려고 하니 뭔가 잘 되지 않았습니다.

• Anaconda에서 Keras를 설치하면 Tensorflow 1.x와 GPU Support에 필요한 CUDA / cuDNN 등을 자동으로 설치해서 편리하게 사용했는데 많이 아쉽더군요.

• 아마 Package간 호환을 위한 Version Matching이 아직 잘 되지 않은 것 같습니다.

• 그래서, 이번에 Windows 10에서 Anaconda환경에서 Tensorflow 2.x & GPU Support 환경을 손수, Manual하게 꾸며볼까 합니다.

• 이번 Post 내용은 아래의 영상을 참고하여 작성되었습니다.

  Anaconda/window10 - Tensorflow 2.0 GPU 시원하게 설치해보자! (visual studio 2017/cuda10.0/cudnn)

0. Package Version 확인

• 우선 자신이 사용하려는 Tensorflow와 Python Version 및 기타 Package Version을 확인해야 합니다.

• 아래 Tensorflow Site에서 확인 가능합니다. 아래 Link를 참고하세요.

  https://www.tensorflow.org/install/source_windows?hl=ko

• 저는 Tensorflow 2.3을 사용할 예정이기 때문에 그에 맞는 Python , Build Tool , cuDNN , CUDA Version을 확인합니다.

1. Anaconda 설치

• 먼저 Anaconda를 설치하도록 합니다. 아래 Link에서 Download합니다.

  https://www.anaconda.com/products/individual

• 설치하려는 OS Version과 Python Version을 잘 확인합니다.

• Download & 설치 진행합니다.

2. CUDA Toolkit & cuDNN Download

• 이어서 CUDA Toolkit & cnDNN을 Download합니다.

  CUDA Toolkit 10.1

  cuDNN 7.6 for CUDA 10.1

• cuDNN은 계정이 필요하니 하나 만듭니다.

• cuDNN

3. Anaconda Update

• Anaconda에 기본적으로 설치된 Package를 최신으로 Update합니다.

conda update conda

conda update anaconda

conda update python

conda update --all

• 이제, 가상환경을 하나 만듭니다. 이름은 원하는대로 지으면 됩니다.

  ( 저는 TF.2.3.0-GPU 라고 짓겠습니다. )

conda create --name TF.2.3.0-GPU

4. Visual Studio Build Tool & Redistributable Download & 설치

• 이번에는 Visual Studio Build Tool & Redistributable을 설치해 보도록 하겠습니다.

• TF 2.3에는 Visual Studio 2019용 Build Tools & Visual Studio 2019용 Microsoft Visual C++ 재배포 가능 패키지가 필요합니다.

• 아래 Link에서 Download할 수 있습니다.

Visual Studio 2019용 Build Tools

Visual Studio 2019용 Microsoft Visual C++ 재배포 가능 패키지

• Download받은 Visual Studio Build Tool & Redistributable를 차례로 설치합니다.

5. CUDA & cuDNN 설치

• 이제 아까 Download받은 CUDA Toolkit을 설치합니다.

• 시키는 대로 쭉쭉 진행하면 됩니다.

• cuDNN은 특별히 설치하는 방법이 있는 것이 아니라, 압축을 푼 후에 3개의 Folder에 있는 File을 CUDA Toolkit이 설치된 위치에 동일 Folder Name에 Copy하면 됩니다.

6. Tensorflow 설치

• 이제 거의 다 되었습니다.

• 아까 만든 TF 2.3 가상환경을 Activate 시킵니다.

conda activate TF.2.3.0-GPU

• ipython kernel 설치합니다.

conda install ipykernel jupyter

python -m ipykernel install --user --name TF.2.3.0-GPU --display-name "TF.2.3.0-GPU"

• 이제 Tensorflow만 설치하면 되는데, Tensorflow와 Python Version이 맞지 않으면 Tensorflow가 설치되지 않습니다.

• 이럴 경우에는 Python Version을 맞춰줘야 합니다.

conda install python=x.x.x

• Tensorflow를 설치합니다.

pip install tensorflow==2.3

• 한참 걸린 후에 완료가 되면, 재부팅 한 번 해줍니다.

7. 확인

• 아래 Code를 실행해 봅니다.

import tensorflow as tf

tf.__version__

'2.3.0'

from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 1980815847893330967
, name: "/device:XLA_CPU:0"
device_type: "XLA_CPU"
memory_limit: 17179869184
locality {
}
incarnation: 3022208443520489181
physical_device_desc: "device: XLA_CPU device"
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 5060693856
locality {
  bus_id: 1
  links {
  }
}
incarnation: 17026303584874205879
physical_device_desc: "device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1"
, name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality {
}
incarnation: 11299119644739967365
physical_device_desc: "device: XLA_GPU device"
]

tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)

True

tf.config.list_physical_devices('GPU')

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

• 잘 되는것 같네요.

Appendix

• Tensorflow 2.3에서는 scipy 1.4.1이 잘 동작하더라구요.