/* 본 게시물은 ' 나의 첫 머신러닝/딥러닝 | with 허민석 ' 의 내용과 참고자료를 토대로 작성되었습니다. */
/* 본 글은 개인적으로 공부한 내용을 정리한 글이므로 오류가 있을 수 있습니다. */
1. 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.
2. 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
3. 정리
내 gpu가 지원하는 cuda 버전 찾고 -> cuda 버전에 맞는 tensorflow 버전 다운 -> 해당 tensorflow 버전에 맞는 cudnn 설치
4. 명령어
<kotlin />#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 deactivate
5. Library
1. Pandas
팬더스는 데이터를 수정하고 목적에 맞게 변경하는 데 사용되는 파이썬 라이브러리이다. 설치 명령어는 다음과 같다.
<kotlin />conda install pandas
2. Numpy
넘파이는 머신러닝의 입력값으로 사용되는 벡터 및 행렬을 수정하고 목적에 맞게 변경하는데 사용되는 파이썬 라이브러리이다. 설치 명령어는 다음과 같다.
<kotlin />conda install numpy
3. Keras
케러스는 딥러닝 모델을 손쉽게 구현하고 실험하는 데 중점을 둔 딥러닝 상위 레벨 파이썬 라이브러리이다.
<kotlin />conda install keras
4. Tensorflow
텐서플로는 딥러닝 모델의 상용화를 중점으로 둔 딥러닝 상위 및 하위 레벨 파이썬 라이브러리이다.
<kotlin />pip install tensorflow=[tensorflow.version]
5. Scikit-learn
사이킷런은 대표적인 파이썬 머신러닝 라이브러리이다.
<kotlin />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.
<kotlin />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.
<kotlin />conda install jupyter notebook
