이 글은 ubuntu 16.04 운영체제에 Nvidia GPU와 tensorflow 기반의 딥러닝 환경을 구축하고자 하는 사람들을 위해 작성되었다. 필자는 주로 파이썬으로 데이터를 다루기 때문에 최신 Anaconda 파이썬 3.6 버전을 사용할 것이며 텐서플로를 별도의 가상환경에 분리하지 않을 것이다.

순정 우분투 16.04.2 설치를 마친 직후라 가정하고 서술하겠다. 만약 설치하려는데 검정색 빈화면만 나와 애를 먹고 있다면 이전 포스트를 참고하자.

텐서플로 공식 홈페이지에 소개된 바에 따르면 우분투에서 Nvidia 그래픽카드를 사용하기 위해서는 아래 나열된 Nvidia 관련 소프트웨어를 설치해야 한다. (pip install tensorflow만 하면 끝일 줄 알았다면 순진한거다! 사실 막연하게 그랬으면 좋겠다고 생각했다..)

tensorflow가 본인의 GPU를 지원하지 않는다면 텐서플로 GPU버전을 깔아도 GPU를 사용하지 않는다. 먼저 이를 확인해보자.

0. GPU 버전을 설치할까? CPU only 버전을 설치할까?

먼저, 본인 PC에 설치된 GPU가 tensorflow 사용 가능한 GPU인지 확인해야 한다. (GPU가 없다면 당연히 CPU only 버전…) 아래 두 가지 조건을 충족하면 GPU 버전의 tensorflow를 설치하여 사용할 수 있다. 그렇지 않다면 GPU 버전의 tensorflow는 무용지물.

  1. CUDA를 지원하는 GPU인가?
    • 여기에 접속하여 본인 PC에 장착된 GPU를 찾아보자.
    • 본인의 GPU가 목록에 있다면, 그 옆에 Compute Capability를 확인하고 2번으로 고고.
  2. NVidia Compute Capability 3.0 이상인가?
    • Tensorflow 공식문서에 의하면 CUDA를 지원하더라도 NVidia Compute Capability가 3.0 이하이면 tensorflow를 사용할 수 없다.

1. Nvidia 그래픽 드라이버 설치

우분투 설치를 마친 직후 부팅해보면 운영체제에서 그래픽카드를 아직 인식하지 못한 상태이기 때문에 해상도가 매우 낮을 수 있다. 이 때, 그래픽 드라이버를 설치하면 고해상도가 된다.

NVIDIA 그래픽 드라이버를 배포하는 PPA를 설치하고 업데이트를 한다. (367.4x 버전 이상의 최신 버전이어야 함)

$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update
$ sudo apt-get install nvidia-375

설치가 끝나면 재부팅한다.

$ sudo reboot

재부팅 후 고해상도 화면이 나오면 성공이라고 생각하면 된다. 터미널에 nvidia-smi를 입력하면 아래와 같이 드라이버 버전과 시스템에 인식된 GPU를 확인할 수 있다.

$ nvidia-smi
Mon Mar  6 01:01:51 2017
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.39                 Driver Version: 375.39                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 970     Off  | 0000:05:00.0      On |                  N/A |
|  0%   29C    P8    12W / 180W |    292MiB /  4034MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0      1128    G   /usr/lib/xorg/Xorg                             169MiB |
|    0      1887    G   compiz                                         121MiB |
+-----------------------------------------------------------------------------+

만약 그래픽 드라이버 설치 도중 바이오스 화면이 뜨거나, 설치를 완료하고 부팅했는데 무한 로그인 loop에 빠진다면 바이오스 설정에서 secure boot 옵션을 disabled 상태로 바꾸자. 몇 달 전 이 문제 때문에 몇 시간동안 고생했었다..

2. CUDA Toolkit 8.0 설치

공식 다운로드 페이지에서 우분투 16.04의 runfile(local)을 다운로드한다. 모두 받았다면 아래와 같이 실행한다.

$ sudo sh cuda_8.0.61_375.26_linux.run

장문의 라이센스 문구가 나오는데, Enter를 입력하며 넘기기 귀찮다면 Ctrl+C를 입력하자. 한 번에 아래 질문으로 넘어간다. 이후의 질문에 아래와 같이 답하자.

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?  
(y)es/(n)o/(q)uit: y

Enter Toolkit Location  
 [ default is /usr/local/cuda-8.0 ]: 

Do you want to install a symbolic link at /usr/local/cuda?  
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?  
(y)es/(n)o/(q)uit: n

Enter CUDA Samples Location  
 [ default is /home/your_id ]:

설치를 마친 뒤 환경변수 설정을 한다. 터미널에 아래와 같이 입력하자.

$ echo -e "\n## CUDA and cuDNN paths"  >> ~/.bashrc
$ echo 'export PATH=/usr/local/cuda-8.0/bin:${PATH}' >> ~/.bashrc
$ echo 'export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:${LD_LIBRARY_PATH}' >> ~/.bashrc

위와 같이 실행하면 ~/.bashrc에 마지막 부분에 아래 내용이 추가된다.

## CUDA and cuDNN paths 
export PATH = /usr/local/cuda-8.0/bin : $ { PATH } 
export LD_LIBRARY_PATH = /usr/local/cuda-8.0/lib64 : $ { LD_LIBRARY_PATH }

변경된 환경변수를 적용하고 cuda 설치여부를 확인하자.

$ source ~/.bashrc
$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61

다음 단계로 넘어가기 전에 cuda가 어느 위치에 설치되어 있는지 확인하고 넘어가자. CuDNN 파일을 붙여넣을 경로를 보여주므로 중요하다. 기본으로 /usr/local/cuda/인 경우가 많은데, 나의 경우는 /usr/local/cuda-8.0/이다.

$ which nvcc
/usr/local/cuda-8.0/bin/nvcc

3. CuDNN v5.1 설치

공식 다운로드 페이지에서 CuDNN을 다운로드 받는다 (회원가입이 필요하다). 여러 파일 목록 중 cuDNN v5.1 Library for Linux(파일명: cudnn-8.0-linux-x64-v5.1.tgz)를 받자.

아래와 같이 압축을 풀고 그 안의 파일을 cuda 폴더(주의: which nvcc 출력값 확인)에 붙여넣고 권한설정을 한다. which nvcc 실행 결과 cuda 폴더가 /usr/local/cuda-8.0이 아니라 /usr/local/cuda일 수도 있으니 꼼꼼히 확인하자.

$ tar xzvf cudnn-8.0-linux-x64-v5.1.tgz
$ which nvcc
/usr/local/cuda-8.0/bin/nvcc
$ sudo cp cuda/lib64/* /usr/local/cuda-8.0/lib64/
$ sudo cp cuda/include/* /usr/local/cuda-8.0/include/
$ sudo chmod a+r /usr/local/cuda-8.0/lib64/libcudnn*
$ sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h

아래와 같은 명령어를 입력하여 비슷한 출력값이 나오면 설치 성공이다.

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2  
#define CUDNN_MAJOR      5
#define CUDNN_MINOR      1
#define CUDNN_PATCHLEVEL 10
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

4. NVIDIA CUDA Profiler Tools Interface 설치

NVIDIA CUDA Profiler Tools Interface를 터미널에 아래와 같이 입력하여 설치한다. 이전에 보지 못했던 패키지인데 공식 문서에서 필요하다고 하니 설치하자.

sudo apt-get install libcupti-dev

다음 포스트에서는 Anaconda 파이썬 3.6과 Bazel을 설치한다.

References