Conda 환경에서 Nvidia GPU 사용하여 PyTorch 구동하기

엔비디아의 CUDA 코어를 활용하여 PyTorch를 구동하기 위해서는 CUDA 코어를 사용할 수 있는 환경을 만들어주어야 한다.

설치 및 세팅에 사용한 컴퓨터 환경은 다음과 같다.

OS : Windows 11

CPU : AMD RYZEN 2700X

GPU : Nvidia gtx1070ti

RAM : DDR4 32GB (8+8+16), 2800 OC

MB : GIGABYTE B450 AORUS M

 

설치 순서는 다음과 같다.

1. Nividia GPU 드라이버 설치

https://www.nvidia.com/ko-kr/drivers/

최신 정식 NVIDIA 드라이버 다운로드

자신이 가진 Nvidia 그래픽 카드 찾아 최신 버전을 설치하도록 한다.

 

2. PyTorch 버전 확인

https://pytorch.org/get-started/locally/

Start Locally

설치할 CUDA의 버전을 확인해 준다. PyTorch는 현재 기준으로 최신 버전도 잘 작동하지만, Tensorflow 버전과 맞추기 위해 여기서는 11.8 버전을 설치해보도록 하겠다.

 

3. CUDA 설치

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

CUDA Toolkit Archive

CUDA Toolkit Archive에서 확인한 CUDA 버전을 설치해준다.

 

4. cuDNN Archive에서 cuDNN 다운로드

https://developer.nvidia.com/rdp/cudnn-archive

cuDNN Archive

엔비디아에 로그인 한 뒤 설치한 CUDA 버전에 맞는 cuDNN을 다운로드한다. zip 파일 형식이다.

 

5. cuDNN 압축 해제 후 CUDA 폴더에 복사하기

압축을 해제하면 다음과 같은 파일이 있으며 이를

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

위치에 붙여 넣어준다.

 

6. Conda 가상환경 생성

아나콘다 가상환경을 생성한다. 미니콘다로 진행했으며 설치되어 있지 않다면 여기서 설치한다.

https://docs.anaconda.com/miniconda/#miniconda-latest-installer-links

Miniconda — Anaconda documentation

기존 설치된 환경과 충돌을 막기 위해 Anaconda Prompt를 실행하여 새로운 가상환경을 만들어준다.

conda create -n pytorch_env	# 설치
conda env list # 가상환경 확인
activate pytorch_env # 가상환경 실행

pytorch_env라는 이름의 가상환경을 만들고 실행해 준다.

conda install jupyterlab # 주피터 랩 설치

주피터 노트북을 사용하기 위해 주피터 랩을 설치해준다. 잘 설치되었는지 확인해준다.

 

7. PyTorch 설치

https://pytorch.org/get-started/locally/

Start Locally

위에서 소개한 PyTorch 링크에 들어가 해당 명령을 실행한다.

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

 

8. Jupyter Lab에서 설치 확인

jupyter lab # 실행

프롬프트에서 jupyter lab을 실행한다.

 

import torch
torch.cuda.is_available()

최종적으로 설치에 성공한다면 True를 출력한다.