파이토치(Pytorch) 설치하기 - 딥러닝

반응형

지난 시간에 딥러닝에 대한 카테고리를 신설하고 딥러닝을 이용한 비트코인 자동매매 프로그램을 만드는 과정을 포스팅할 예정임을 말씀드렸는데요.

 

그 첫번째 시작으로 딥러닝에 사용할 파이토치(Pytorch)를 설치하는 방법에 대해서 살펴 보려고 합니다. 설치하고자 하는 환경은 다를 수 있기 때문에 사용하는 환경에 따라 다른 버전을 설치해야 할 수 있는 점을 미리 양해 부탁 드리겠습니다.

 

 

목차 - 클릭하면 이동합니다.

 

파이토치 설치하기

파이토치(Pytorch)

파이토치는 딥러닝 프로그램을 개발하기 위해 사용되는 유명하고 많이 사용되는 라이브러리 중에 하나입니다.

 

파이썬을 기반으로한 라이브러리로 다른 유명한 딥러닝 라이브러리보다 구현하기 간결하고 수월한 편이라 딥러닝 프로그램을 개발하는데 널리 사용되고 있습니다.

 

테크앤핀에서는 앞으로 딥러닝 프로그램을 개발하기 위해 파이토치를 사용할 예정이오니 오늘 설치 방법을 참고하시면 좋을 것 같습니다.

 

파이토치 설치 명령어 확인하기

파이토치는 파이썬을 기반으로 하기에 파이썬이 설치되어 있는 환경에서 간편하게 설치할 수 있습니다. 여러가지 설치 방법 중 우리는 pip를 이용한 설치를 진행하도록 하겠습니다.

 

더 다양한 설치 방법은 아래 파이토치 공식 사이트를 참고하시면 좋을 것 같습니다.

 

https://pytorch.kr/get-started/locally/

파이토치 한국 사용자 모임 (PyTorch Korea User Group)

 

파이토치 설치 관련 안내 사이트에서 ①에 있는 빨간색 박스를 본인의 환경에 맞는 것으로 선택하면 ② 설치 명령어를 친절하게 안내해 주니 수월하게 설치할 수 있습니다.

 

설치 전 확인할 내용

딥러닝은 순차적인 처리보다는 병렬 처리가 많기 때문에 CPU만 사용하기 보다는 CPU와 GPU를 함께 사용하는 것이 속도 측면에서 상당히 유리 합니다.

 

CPU는 순차적인 계산에 특화되어있고 GPU는 병렬처리에 특화되어 있기 때문에 만들고자 하는 딥러닝 프로그램에서 순차적인 계산은 CPU에 담당시키고 병렬 처리가 필요한 부분은 GPU에 담당시키면 속도를 극대화 시킬 수 있습니다. 물론 CPU만 있다고 해서 딥러닝 프로그램을 수행하지 못하는 것은 아니나 적게는 5~6배에서 10배 이상의 속도차이가 나기도 하기 때문에 GPU가 있는 장비가 있다면 해당 장비에서 딥러닝 프로그램을 수행하는 것이 유리합니다.

 

아쉽게도 현재 무료로 사용할 수 있는 클라우드 서버의 경우는 GPU를 장착한 모델은 없는 것으로 알고 있습니다. 그래서 저는 GPU가 설치되어 있는 랩탑에 파이토치를 설치해 보도록 하겠습니다.

 

설치를 하기 위해서는 본인의 그래픽 카드의 CUDA 버전과 호환되는 Torch 버전을 설치해야 하는데요. 아래 명령어를 통해 설치되어 있는 그래픽카드의 CUDA 버전을 확인할 수 있습니다.

 

nvidia-smi

파이참에서 파이썬 프로젝트를 하나 생성하고 위의 명령어를 수행하면 설치되어 있는 그래픽카드의 CUDA 버전을 확인할 수 있습니다. 저의 경우는 11.6 인것을 확인할 수 있습니다.

 

혹시 파이참이 설치되어 있지 않은 분들은 아래 포스팅을 참고하여 파이참과 파이썬을 먼저 설치하셔야 합니다.

 

2021.06.06 - [코딩스토리/개발관련] - 파이참 다운로드 및 설치 방법 – PyCharm 파이썬 개발도구

파이참 다운로드 및 설치 방법 – PyCharm 파이썬 개발도구

 

파이토치 설치하기

정상적인 설치를 하기 전에 먼저 호환되지 않는 버전을 설치하는 경우 어떻게 나오는지 살펴 보겠습니다.

 

일반적인 pip를 통한 설치 명령어를 사용하며 설치는 torch 및 이미지를 처리하는 torchvision 그리고 오디오를 처리하는 torchaudio까지 함께 설치하겠습니다.

 

python -m pip install torch torchvision torchaudio

 

설치가 완료되면 python 파일을 하나 만들고 버전 체크를 위한 명령어를 수행하여 확인합니다.

 

import torch

# Torch 버전
print(torch.__version__)

# CUDA 사용 가능여부(True, False)
print(torch.cuda.is_available())

# CUDA 버전
print(torch.version.cuda)

# GPU 사용가능 개수
print(torch.cuda.device_count())

# GPU 이름
print(torch.cuda.get_device_name(0))

GPU가 설치되어 있음에도 불구하고 CUDA 사용가능 여부가 False로 조회 되는데요. 이유는 바로 torch의 버전이 CPU only버전으로 설치되었기 때문입니다. 이렇게 되는 경우 GPU가 장착되어 있다 하더라도 CPU로만 처리되므로 GPU를 활용할 수 없습니다.

 

그럼 torch를 삭제하고 다시 설치해 보겠습니다. 삭제는 아래 명령어를 이용하면 됩니다.

 

python -m pip uninstall torch torchvision torchaudio

 

이번에는 설치 명령어에서 안내된 대로 cu113 버전을 설치해 보겠습니다.

 

python -m pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

 

다시 CUDA 체크용 프로그램을 수행해 보겠습니다.

 

아까와는 다르게 CUDA 사용이 가능함을 알리는 True가 반환되었고 설치되어 있는 그래픽카드의 종류까지 정확하게 안내 됩니다.

 

그래픽카드의 CUDA 버전은 11.6이지만 torch 113 버전과 호환이 되기 때문에 사용이 가능함을 알 수 있습니다.

 

마치며

이번 시간에는 그래픽 카드가 설치되어 있는 환경에서 torch 및 torchvision 그리고 torchaudio를 설치하는 방법에 대해서 살펴 보았습니다.

 

이제부터 본격적으로 딥러닝 예제를 살펴 보면서 어떠한 구조로 컴퓨터를 학습시키고 결과를 예측하는지에 대해서 살펴 보겠습니다.

 

블로그를 구독하면 소식을 조금 더 빨리 받아보실 수 있습니다. 감사합니다.