/* 본 게시물은 ' 나의 첫 머신러닝/딥러닝 | with 허민석 ' 의 내용과 참고자료를 토대로 작성되었습니다. */
/* 본 글은 개인적으로 공부한 내용을 정리한 글이므로 오류가 있을 수 있습니다. */
참고 자료
[최새환님의 블로그 - Gpu 사용을 위한 CUDA 환경 구성하기] : https://velog.io/@mactto3487/%EB%94%A5%EB%9F%AC%EB%8B%9D-GPU-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0
자세한 방법은 위 참고자료를 참고하길 바란다.
내 컴퓨터 환경
- Window 10
- RTX 3070
- Python 3.9.9
- NVIDA DRIVER 496.49
- Cuda 11.2.2
- cuDNN 11.2
- Visual Studio 2019.
내 gpu에 맞는 버전을 설치하는게 중요하다. 참고자료에 있는 링크를 들어가면 맞는 버전을 찾는 방법이 있다.
[tensorflow-gpu가 지원하는 cudnn / cuda 버전 찾기] : https://www.tensorflow.org/install/source_windows#gpu
정리
내 gpu가 지원하는 cuda 버전 찾고 -> cuda 버전에 맞는 tensorflow 버전 다운 -> 해당 tensorflow 버전에 맞는 cudnn 설치
명령어
#가상환경 생성
conda create -n [가상환경 이름] python=[python.version]
#가상환경 실행
conda activate [가상환경 이름]
#주피터 노트북 실행
jupyter notebook
#설치된 라이브러리 확인
pip freeze
#가상환경 종료
conda deactivateLibrary
1. Pandas
팬더스는 데이터를 수정하고 목적에 맞게 변경하는 데 사용되는 파이썬 라이브러리이다. 설치 명령어는 다음과 같다.
conda install pandas
2. Numpy
넘파이는 머신러닝의 입력값으로 사용되는 벡터 및 행렬을 수정하고 목적에 맞게 변경하는데 사용되는 파이썬 라이브러리이다. 설치 명령어는 다음과 같다.
conda install numpy
3. Keras
케러스는 딥러닝 모델을 손쉽게 구현하고 실험하는 데 중점을 둔 딥러닝 상위 레벨 파이썬 라이브러리이다.
conda install keras
4. Tensorflow
텐서플로는 딥러닝 모델의 상용화를 중점으로 둔 딥러닝 상위 및 하위 레벨 파이썬 라이브러리이다.
pip install tensorflow=[tensorflow.version]
5. Scikit-learn
사이킷런은 대표적인 파이썬 머신러닝 라이브러리이다.
conda install scikit-learn
6. Seaborn
씨본은 데이터 시각화 파이썬 라이브러리이다. Matplotlib 이라는 데이터 시각화 파이썬 라이브러리를 바탕으로 구현됐으며, 간결한 코드에 비해 상당히 감각적인 차트를 제공한다.
conda install seaborn
7. Jupyter notebook
주피터 노트북은 브라우저에서 작동하는 파이썬 코드 작성 도구로서, 코드의 가독성이 좋고, 데이터 시각화가 용이하며, 필요한 코드 부분만 따로 실행할 수 있어서 코드 작성 및 디버깅이 상당히 수월하다.
conda install jupyter notebook
