본문으로 건너뛰기

Tensorflow windows 11 설치

사전 설치​

WSL2​

tensorflow를 설치하는 곳은 단순한 windows가 아닌 windows 내부에 만들어질 가상머신입니다. 따라서, wsl2를 먼저 설정해 주어야 합니다.

파워셀을 켜서 아래 명령을 실행시켜 주세요. 기본적으로 wsl2가 설치됩니다.

wsl --install

설치 완료 후 컴퓨터를 재부팅해주세요.

wsl 프로그램을 통해 바로 터미널로 가상 환경 개발이 가능합니다.

팁

cmd 에서 아래 명령을 통해 wsl 실행 가능

wsl.exe

wsl

파이썬​

파이썬 설치 확인​

tensorflow 호환 가능한 파이썬 3.9-3.11 버전 확인

python3 --version
# Python 3.10.12

pip3 설치​

sudo apt update && upgrade
sudo apt install python3-pip
pip3 --version
# pip 22.0.2 from /usr/lib/python3/dist-packages/pip (python 3.10)

NVIDIA 드라이버​

NVIDIA 드라이버 설치​

https://www.nvidia.com/download/index.aspx?lang=en-us

NVIDIA CUDA toolkit 설치​

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

NVIDIA cuDNN 설치​

https://developer.nvidia.com/cudnn

tensorflow 설치​

pip로 설치​

python setup.py egg_info did not run successfully 에러 해결

pip 업데이트

python3 -m pip install --upgrade pip

setuptools 업데이트

pip3 install --upgrade setuptools
python3 -m pip install tensorflow[and-cuda]

CUDA for WSL-ubuntu 설치​

wsl2에 필요한 CUDA를 추가로 설치. 아래 링크를 따라 설치 진행

https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local

CUDA 설치 여부 확인​

아래 명령을 통해 그래픽카드가 정상적으로 목록에 출력되는 지 확인

nvidia-smi
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 545.23.07              Driver Version: 546.12       CUDA Version: 12.3     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3070 ...    On  | 00000000:01:00.0  On |                  N/A |
| N/A   46C    P8              14W /  95W |    594MiB /  8192MiB |      2%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|  No running processes found                                                           |
+---------------------------------------------------------------------------------------+

설치 여부 확인​

CPU​

아래와 같이 텐서 객체를 반환, 출력하면 정상

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

# tf.Tensor(-2911.9321, shape=(), dtype=float32)

GPU​

빈 객체 []를 반환하는 경우

CUDA 및 cuDNN 설치 여부를 확인

CUDA

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Nov_22_10:30:42_Pacific_Standard_Time_2023
Cuda compilation tools, release 12.3, V12.3.107
Build cuda_12.3.r12.3/compiler.33567101_0

cuDNN

https://beelinekim.tistory.com/65 참고, cudnn_version.h 파일이 없는 경우 cuDNN이 설치되지 않은 것으로 cuDNN 설치

아래와 같이 텐서 객체를 반환, 출력하면 정상

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

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

학습 테스트​

vscode로 wsl 접속​

vscode extension인 REMOTE DEVELOPMENT 설치. vscode 상단 중앙에서 > wsl 입력하여 wsl 접속 시도

파이썬 인터프리터 확인 및 선택​

warning

매우 주의, windows에 설치된 python 인터프리터가 아니라, wsl에 tensorflow 라이브러리를 설치한 파이썬 인터프리터를 선택해야 합니다. 이 가이드는 windows가 아니라 wsl 가상머신 내부에 텐서플로 개발 환경 설정 방법을 알려주는 것임을 기억하세요!

파이썬 인터프리터를 올바르게 선택했는 지 간접적으로 확인 가능한 파이썬 프로그램 실행

import tensorflow as tf
from tensorflow.python.client import device_lib

print(device_lib.list_local_devices() )

정상적으로 선택했을 경우, GPU 관련 정보가 출력되어야 함

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 364653326627053698
xla_global_id: -1
,
name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 5848956928
locality {
  bus_id: 1
  links {
  }
}
physical_device_desc: "device: 0, name: NVIDIA GeForce RTX 3070 Ti Laptop GPU, pci bus id: 0000:01:00.0, compute capability: 8.6"
...
]

예제 학습 코드​

아래 예제 코드 실행

import tensorflow as tf

cifar = tf.keras.datasets.cifar100
(x_train, y_train), (x_test, y_test) = cifar.load_data()
model = tf.keras.applications.ResNet50(
    include_top=True,
    weights=None,
    input_shape=(32, 32, 3),
    classes=100,)

loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)
model.compile(optimizer="adam", loss=loss_fn, metrics=["accuracy"])
model.fit(x_train, y_train, epochs=5, batch_size=64)

학습 하는 동안 작업 관리자에서 GPU 사용량 확인

gpu

참고 자료​