conda 환경으로 tensorflow gpu 2.0 / 1.x 버전 관리하기

최근 tensorflow 2.0가 정식 릴리즈 되면서 많은 사람들이 2.0 버전으로 공부 및 연구를 시작한다.

하지만 이전 버전에서 작업했던 분들은 두가지 버전을 둘 다 사용해야되는 경우가 많아서(필자 또한) conda 환경으로 간단하게 두 가지 버전다 사용을 하는 방법을 포스팅 하고자 한다. 

두가지 버전 설치가 잘 되었다면, 아래 그림과 같이  gpu 사용이 True라고 뜰 것이다.

 

tensorflow 2.0.0

tensorflow 1.11.0

 

 

기존의 tensorflow 1.x 버전이 깔려있다고 가정하고 진행하겠다.

Cuda 버전같은 경우는

tensorflow 1.x - cuda 9.0 / tensorflow 2.x - cuda 10.0 로 설치하였다.

 

anaconda 가 깔려있다고 가정하고 시작하겠다. (만약 설치가 되어있지 않다면 클릭)

 

1. visual studio 2017 버전 설치

https://docs.microsoft.com/ko-kr/visualstudio/releasenotes/vs2017-relnotes

Visual Studio 2017 15.9 릴리스 정보

위 주소로 들어가 download community 2017 버전을 깔면된다. 따로 설정은 필요없다. 만약 이전에 2019버전이 깔려있으면 삭제 후 진행한다.

 

 

 

 

2. 가상환경 만들기

나는 1.x 버전은 conda base 환경에서 사용하므로, 2.0 을 새로운 가상환경을 만들어서 사용한다.

 

아래 명령어를 통해 tensorflow2.0 이라는 이름으로 콘다 가상환경을 만들어준다. 이름은 자유자제로 만들어도 된다. 

conda create --name tensorflow2.0 python=3.6 

 

 

 

 

3. cuda 및 cudnn 설치

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

CUDA Toolkit Archive

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

cuDNN Archive

위 두 페이지로 들어가서 cuda 10.0 을 다운받고, 설치 후 / cudnn 7.6.0 for cuda 10.0 을 클릭해서 맞은 운영체제에 맞게 cudnn 안에 있는 폴더를 cuda에 덮어씌운다.

 

 

 

4. tensorflow gpu 설치

 

conda activate tensorflow2.0   / 명령어를 통해 가상환경 활성화 한 후 

(tensorflow2.0) pip install tensorflow-gpu==2.0.0 / (base)->(tensorflow2.0) 으로 바뀐지 확인 후 tensorflow gpu 설치

 

 

 

5. 설치 후 테스트

 

(tensorflow2.0) jupyter lab   /  명령어를 통해 jupyter lab을 활성화 한 후  notebook파일 하나 만든 후

 

import tensorflow as tf
print(tf.__version__)
tf.test.is_gpu_available()

 

로 True가 되는 지 확인

True가 나온다면 설치 끝~ 이제 즐거운 딥러닝을 시작하면된다.

 

혹시나 다시 1.x 대로 작업하고 싶다면 conda deactivate 하면 (base) 로 돌아와서 다시 1.x로 작업할 수 있다.

 

ps)

conda install tensorflow-gpu==2.0.0 으로 설치해서 cuda도 잡아준다고해서 설치했는데 뭔가 오류가 뜨고 수정이 힘든부분이 있어, 그냥 pip 명령어로 설치하였다.

 

 

ref)

https://chan-lab.tistory.com/13

https://www.tensorflow.org/install/pip?lang=python3