WSL2 딥러닝 환경구축

0. WSL2 설치 위해 메인보드 TPM2.0 켜주고, Windows 참가자 프로그램 활성화 후 dev모드 설정, 윈11 설치 후 커맨드창에 wsl.exe — install

 

1. NVIDIA DRIVER 설치

https://developer.nvidia.com/cuda/wsl/download

위 링크에서 컴퓨터 환경에 맞게 nvidia 드라이버를 다운로드 받아준다. Window에 설치.

2. CUDA 설치

CUDA 설치를 위한 network repository를 설정한다.

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub 

sudo sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list' 

sudo apt-get update

CUDA toolkit을 설치한다. 여기서는 11.4 버전을 설치하였고 원하는 버전이 있으면 cuda-toolkit 뒤에 버전을 명시해주면 된다. (예: cuda-toolkit-11-4)sudo apt-get install -y cuda-toolkit-11-4

3. CuDNN 설치

아래 링크에서 버전에 맞는 CuDNN을 설치한다. 나같은 경우는 10.1 버전을 받았으므로 cuDNN 7.6.5 버전을 다운로드 받았다.

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

deb파일로 설치를 했더니 libcudnn이 없었다. 그래서 다른 파일을 다운로드 받아서 다시 설치! cuDNN Library for Linux에서 다운로드 받아 아래 명령어를 입력해서 설치한다.

tar -xzvf cudnn-10.1-linux-x64-v7.6.5.32.solitairetheme8 (자기 버전 맞는파일로)

명령어를 실행시킬 경우 현재 작업 폴더에 cuda라는 폴더가 생긴다.

그리고 아래 명령어를 이용해서 설치한 파일을 복사해주고, 권한 설정을 바꿔준다.

sudo cp cuda/include/cudnn.h /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*
ubuntu 재부팅을 해준다.

4. CUDA 동작 확인

텐서플로우에서 gpu 장치가 인식되는지 확인.

명렁어창에 python을 입력하여 파이썬 실행시키고 아래 명령어를 입력해준다.

from tensorflow.python.client import device_lib 

print(device_lib.list_local_devices())

파이토치에서 gpu 장치가 인식되는지 확인

import torch 

torch.cuda.is_available()