[DL 서버구축] 3. Ubuntu 18.04에 CUDA/cuDNN/PyTorch 설치

Ubuntu 18.04에서 PyTorch를 통해 RTX 2080 Ti를 활용하려 한다.

순서는 다음과 같다.

  1. Nvidia 그래픽 드라이버 설치
  2. CUDA 설치
  3. cuDNN 설치
  4. PyTorch 설치

최신기술이다보니 아무래도 안정성이 매우 떨어진다.
버전이 조금이라도 다르거나 기술상의 문제가 있을 경우 설치가 진행되지 않는다.
필자는 최신버전을 최대한 기피하되 어느 정도 안정됐다고 알려진 버전을 사용하기로 한다.

실수로 440 버전의 그래픽 드라이버를 설치해 시간을 좀 잡아먹긴 했는데
그걸 제외하고는 1시간도 안돼서 에러없이 설치할 수 있었다.

그리고 반드시 위의 순서대로 설치할 필요는 없는 것 같다.

1. Nvidia 드라이버 설치

CUDA 10.0의 최소 권장버전인 410 버전을 설치해도 되지만, 418이 선호되고있어 418로 설치하였다.

$ sudo apt-get install nvidia-driver-418
$ sudo apt-get install dkms nvidia-modprobe

설치가 끝나면 재부팅을 한 후, nvidia-smi로 설치가 잘 됐는지 확인할 수 있다.

2. CUDA 10.0 설치

비교적 안정하다고 알려진 CUDA 10.0를 내려받는다. [Nvidia]
필자는 18.04에서 run 파일을 받아 진행하였다.
홈페이지에서 내려받는 방법에 따라 설치 방법을 안내한다.
다음은 로컬에서 run 파일을 통해 설치하는 방법이다.

$ wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux
$ chmod +x cuda_10.0.130_410.48_linux

5GB정도가 줄기차게 깔릴 것이다.

3. cuDNN 설치

GPU 가속 라이브러리를 내려받는다. [Nvidia]
얘들은 짜증나게도 로그인을 해야 내려받을 수 있으며
로그인이 필요하기 때문에 wget으로 내려받기에는 껄끄럽다.
윈도우에서 받아 서버에 넣어주거나, 쿨하게 wget에 계정정보를 넣어 내려받자.
필자는 samba로 연결이 되어있기 때문에 윈도우로 받아 파일을 넣어주었다.

이후 아래처럼 패키지를 실행해주면 libcudnn7이 설치된다.

$ sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.0_amd64.deb

4. PyTorch 설치

거창하게 챕터를 따로 떼놨지만 사실 별거 없다.
Anaconda로 설치해주기만 하면 된다.
쓸만한 유틸리티를 함께 설치해주자.

$ conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

최종 확인

만약 설치가 잘 됐다면 파이썬에서 다음과 같은 결과를 확인할 수 있을 것이다.

>>> import torch

>>> torch.cuda.current_device()
0

>>> torch.cuda.device(0)
<torch.cuda.device object at 0x7f1fb4b04890>

>>> torch.cuda.device_count()
1

>>> torch.cuda.get_device_name(0)
'GeForce RTX 2080 Ti'

>>> torch.cuda.is_available()
True

Series Navigation<< [DL 서버구축] 2. 전체 사용자를 위한 Zsh과 Anaconda 설치[DL 서버구축] 4. Jupyter 설치 >>

Hits: 302

댓글 남기기