환경 설정

WSL2(Windows Subsystem for Linux 2)을 이용한 Deep Learning 개발 환경 구축(2)

0verc10ck 2021. 9. 13. 17:56
반응형

WSL2(Windows Subsystem for Linux 2)을 이용한 Deep Learning 개발 환경 구축(1)


본 게시글에서는 위 게시글에서 설정한 WSL2 환경에 Deep Learning을 위한 CUDA 설치 및 개발 환경 구축에 대한 내용을 다루고 있다. 앞으로 진행되는 내용들은 앞선 게시물의 절차를 따라 WSL2를 설치완료 하였다고 가정하고 진행된다.


CUDA on WSL

WSL2에서는 Nvidia CUDA를 이용한 GPGPU 기술을 제공한다.

Nvidia에서는 CUDA on WSL이라는 이름으로 WSL을 위한 CUDA Driver를 제공하고 있다.

 

1. Setting CUDA Toolkit on WSL2

CUDA Toolkit은 WSL을 실행한 후 Shell에 다음의 command를 한줄 씩 입력하여 손쉽게 설치할 수 있다.

 

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-4-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

 

위 과정이 완료되었다면 CUDA가 설치된 것이다. CUDA 설치가 정상적으로 이루어졌는지 확인하기 위해 다음의 command를 통해 확인해보자.

 

cd /usr/local/cuda-11.4/samples/4_Finance/BlackScholes
make BlackScholes
./BlackScholes

마지막 Command를 실행 한 후, 다음과 같은 결과를 얻는다면 설치가 완료 된 것이다.

 

Running CUDA Application

 

만약 위와 같은 결과가 나타나지 않을 경우(보통 Error message가 송출된다.) CUDA 설치가 제대로 이루어지지 않은 것이므로, WSL 재부팅, 혹은 재설치를 진행하도록 한다. 또한 Nvidia CUDA에서 요구하는 windows build 최소 20145 권장 21390을 만족하지 않는다면, 설치가 정상적으로 이루어지지 않는다.


Changing Repository

 

WSL의 기본 Repository는 "archive.ubuntu.com"이다. 해외 server의 경우 국내에 존재하는 repository server에 비해 apt command의 속도가 느리기 때문에 국내 repository로 변경하여 사용하는것을 권장한다.

 

국내 repository server는 KAIST, Kakao, Neowiz, Harukasan(부산대학교) 등이 존재하며, 이 게시물에서는 Kakao server를 사용할 것이다.

 

sudo nano /etc/apt/source.list

 

위 command를 통해 Source.list를 수정하도록 하자. VIM등의 편집기를 사용해도 되지만, VIM 단축키에 익숙하지 않을 사용자에게는 Nano가 더 낫다고 판단하였다.

 

nano의 Replace기능(Ctrl + \)을 사용하여 archive.ubuntu.com을 mirror.kakao.com으로 변경하도록 하자.

archive.ubuntu.com
mirror.kakao.com

Replace에서 두 주소를 차례로 입력하고 나면, Replace를 실행할 것인지를 묻는데, 이때  All(A)를 선택하여 모두 변경한다. 이후 변경사항을 save(ctrl + s)하고 Exit(ctrl + x)해준다.

 

suda apt update

 

위  command를 입력하여 Error message 없이 정상적으로 update가 진행된다면 Repository 변경을 성공한것이다.

 


반응형

개발 환경 설정

1. PIP install

pip는 Python package를 설치, 관리 하는 System이다. 다양한 Python package를 pip를 통해 손쉽게 설치하고 관리 할 수 있다는 장점이 있다.

suda apt-get install python3-pip
pip install --upgrade pip

 

2. Pytorch, Torchvision install

Pytorch는 Python을 위한 Opensource Machin Learning Library이다. Torchvision은 Pytorch와 함께 사용되는 Computer vision library로, image 및 video transform을 위한 utility등을 제공한다.

 

앞서 설치한 pip를 이용하여 Pytorch와 Torchvision을 설치하는 command는 다음과 같다.

 

pip3 install torch torchvision torchaudio

설치시 torch와 torch vision 이외에도 audio data를 위한 torchaudio library가 함께 설치된다.

 

만약 본인이 RTX 3090을 사용하고 있다면 다음의 CUDA11용 Pytorch를 설치 command를 사용하는 것을 권장한다.

 

pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

 

Torch와 Torch vision이 설치되었는지 확인하기 위해 Python interpreter를 실행하고 다음의 code를 입력하자.

import torch
print(torch.cuda.get_device_name())

아래 사진과 같이 자신의 GPU의 이름이 출력된다면 성공한 것이다.

 

Torch install check

3. OpenCV install

OpenCV는 Opensource Computer Vision library로 Image processing을 위해서 필수적으로 사용되는 Library이다.

앞서 설치한 pip를 활용하여 python용 openCV를 간단하게 설치 할 수 있다

 

pip3 install opencv-python

이후 python을 실행하여 아래code를 실행함으로써, 설치를 확인 할 수 있다.

 

반응형