My data lab

1. www.nvidia.com/

에서 os 등 선택 후 드라이버 검색 > 결과 460.32 /  455.45

460.32 = cuda 11.2

455.45 = cuda 11.1 을 포함하고있음

455.45 를 선택하여 설치 함

일단 여기까지 성공

1-2. cuda tool kiㅅ  설치  nvidia 드라이버와 맞는 cuda 를 설치

developer.nvidia.com/cuda-downloads?target_os=Linux

아래 명령어등을 이용하여 환경변수등록 필요!

echo 'export PATH=$PATH:/usr/local/cuda-11.2/bin' >> ~/.bash_profile
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.2/lib64' >> ~/.bash_profile
echo 'export CUDADIR=/usr/local/cuda-11.2/' >> ~/.bash_profile

2. cudnn 설치

developer.nvidia.com/rdp/cudnn-download

마찬가지로 위링크 통해 cudnn 설치 

일단 이렇게 많이 뜨는데, Runtime library 로 설치  함//

3. 가상환경설정 virtualenv + pip 조합으로 설정

pycharm 을통해 default viertualenv 를 만들고

source /home/sangil/PycharmProjects/PatchNet/t171/bin/activate

을통해 activate

4.tf2 , torch 등을 설치

pip install 쭉 복사해다가 붙여주면됩니다.

설치완료후 

아래 코드를 통해  동작확인 하고 끝!

In [1]: import torch

In [2]: torch.cuda.current_device()
Out[2]: 0

In [3]: torch.cuda.device(0)
Out[3]: <torch.cuda.device at 0x7efce0b03be0>

In [4]: torch.cuda.device_count()
Out[4]: 1

In [5]: torch.cuda.get_device_name(0)
Out[5]: 'GeForce GTX 950M'

In [6]: torch.cuda.is_available()
Out[6]: True

4-2. <Tensorflow2 설치>

tf2 를 설치 해보자

tf2 설치는 간소화되어있다. 

pip install tensorflow 

오마이갓 여기 리스트 에 확인된바로는

이게 마지막 버전이라 TF 설치하기위해선 다운그레이드 해야할판이다 ㅎㅎ

tf2 를사용하려면 1번부터 다시 해서 10.1 cuda 에 맞춰서 설치하면 된다.

www.tensorflow.org/install/source#gpu

*solutions for 4-2 

결론적으로 rtx3080 이 cuda 11.1 부터 호환되므로 위의 버전지원등의이유로 tf2 를 깔수 없지만 

이글을 참고해보면

stackoverflow.com/questions/63978039/is-cuda-11-with-rtx-3080-support-tensorflow-and-keras

1. TF 공식홈페이지엔 직접 cuda 버전을 맞추어서 tf 를 빌드에서 쓰라고한다.

2. 혹은 docker 를사용하여 빌드하면 된다고한다.

hub.docker.com/r/tensorflow/tensorflow/tags/?page=1&ordering=last_updated&name=2.4

pip install tensorflow==2.4.1  버전으로 tf 및 Keras 설치 및 실행  성공 , 다만

cuda 버전이 TF 와 정확히 맞지 않아 memory 관련 warning 이 많이 뜬다.

그게 껄끄럽다면 아래 개발자버전을 이용하여 설치하면 3080 과 잘 호환되는 것을 알 수 있다.

혹은 tf : pip install tf-nightly==2.5.0.dev20210110

을이용하여 tf-nightly 를 이용해도 되는데 nightly 자체가 버그가 많은것으로 알고 있다.