우분투 머신러닝 개발 환경 설정 방법 (nVIDIA Driver, CUDA, PyTorch 등)

우분투 머신러닝 개발 환경

우분투에서 머신러닝을 위한 개발 환경을 설정하자.

파이썬 설치

머신러닝을 꼭 파이썬으로 수행해야 될 이유는 없어보이지만 알고있는 거의 모든 개발자들이 파이썬을 이용하여 머신러닝 혹은 딥러닝을 수행합니다. 아래 명령으로 파이썬과 pip 패키지를 설치합니다.

# sudo apt-get install python3 python3-pip

pip 패키지를 설치하는 이유는 pip 명령을 통해 여러가지 패키지를 설치하기 위함입니다. 이는 Python3 관련된 일반적인 내용입니다.

Visual Studio Code

VI 편집기를 이용해서 파이썬 스크립트를 수정할 수 있지만, Visual Studio Code와 같은 편집기를 이용하면 소스 코드 작성 및 수정이 훨씬 수월합니다. 특히 Copilot extention을 사용하면 스크립트 작성하는데 걸리는 시간을 상당히 줄일 수 있습니다.

Visual Studio Code 설치하는 방법은 본 페이지에서는 생략하겠습니다.

NVIDIA 드라이버 확인 방법

머신러닝을 위해서는 대규모의 행렬 연산을 수행해야 합니다. CPU보다 GPU가 훨씬 빠릅니다. 경우에 따라서 다르지만 3배 ~ 16배 정도 빠른 것을 경험했습니다. GPU가 없더라도 머신러닝을 할 수는 있지만 파라미터가 많은 복잡한 연산은 아예 불가할 수 있습니다.

# nvidia-smi

터미널에서 nvidia-smi 명령을 입력하면 GPU 모델, 드라이버, CUDA 버전 등을 확인할 수 있습니다.

GPU Turn On 방법

nvidia-smi 명령으로 확인해보면 GPU가 Off인 상태가 있습니다. 이때는 아래 명령으로 GPU를 On 시킬 수 있습니다.

# nvidia-smi -pm 1

nvidia-smi 명령 사용법을 알아보려면 man 명령을 입력하면 됩니다.

# man nvidia-smi

PyTorch 및 기타 패키지 설치

PyTorch 패키지를 이용하면 학습에 필요한 행렬 연산을 손쉽게 해줍니다.

# pip install torch numpy matplotlib transformers accelerate datasets evaluate

matplotlib는 데이터를 시각적으로 표현하기 위함입니다. (python 일반적으로 사용하는 패키지)

개발 환경 테스트

아래 스크립트를 이용하면 정상적으로 개발 환경이 설정되었는지 확인할 수 있습니다.

#!/usr/bin/env python3

import torch

print(torch.coda.is_available())
print(torch.version.cuda)
print(torch.backends.cudnn.version())

개발 환경 설정 관련 명령어들