[TF/Keras] Ubuntu 18.04 가상환경에서 TensorFlow 설치하고 Keras 신경망 라이브러리 환경 설정하기

텐서플로우라는 단어를 들어보셨나요? 인공지능을 다루게 된다면 텐서플로우라는 툴은 쉽게 접할 수 있었을것이라고 생각합니다.

텐서플로우는 수학 및 기계학습 라이브러리 입니다. 구글 브레인팀에서 개발되었다고 합니다. 본 라이브러리를 우분투라는 리눅스 기반의 환경 PC에서 설치하는 과정을 소개하겠습니다. 밑의 글을 따라가보겠습니다.

 

www.pyimagesearch.com/2019/01/30/ubuntu-18-04-install-tensorflow-and-keras-for-deep-learning/

Ubuntu 18.04: Install TensorFlow and Keras for Deep Learning - PyImageSearch

 

---

 

[TF/Keras] Ubuntu 18.04 가상환경에서 Tensorflow 설치하고 Keras 신경망 라이브러리 환경 설정하기

[TF/Keras] Installation of Tensorflow and Setting Keras Library of Neoron Network in Virtual Environment of Ubuntu 18.04

 

---

 

환경설정을 하기전 자신이 nvidia GPU를 활용한 학습을 진행할것인지 여부에 따라 설치법이 나누어 지는데, 필자의 그래픽카드는 nvidia 사의 GTX-1060 6GB 인 관계로 그래픽카드를 사용하는것으로 설치를 진행해 보겠습니다.

 

1. 업데이트 및 업그레이드

$ sudo apt-get update
$ sudo apt-get upgrade

2. 관련 여러가지 라이브러리 및 패키지들 설치하기

$ sudo apt-get install build-essential cmake unzip pkg-config
$ sudo apt-get install libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev
$ sudo apt-get install libjpeg-dev libpng-dev libtiff-dev
$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
$ sudo apt-get install libxvidcore-dev libx264-dev
$ sudo apt-get install libgtk-3-dev
$ sudo apt-get install libopenblas-dev libatlas-base-dev liblapack-dev gfortran
$ sudo apt-get install libhdf5-serial-dev
$ sudo apt-get install python3-dev python3-tk python-imaging-tk

3. gcc v6 설치

CUDA9.0 버전이 gcc v6를 필요로 하지만 우분투 18.04의 경우 gcc v7을 탑재하고 있기때문에 v6를 설치할 필요가 있다.

$ sudo apt-get install gcc-6 g++-6

4. NVIDIA 그래픽 드라이버 설치하기

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

$ sudo apt install nvidia-driver-396

필자의 그래픽카드는 1060인데 396버전을 지원하지 않아서 440버전을 설치하였다. (버전이 중요하다고 한다. cudnn과 cuda 버전에 상관관계가 있다고 하니 참고하길 바란다.

 

재부팅 후 잘 설치되어있는지 확인해 보도록 한다.

$ sudo reboot now

$ nvidi-smi

명령을 실행했을때 자신의 그래픽카드에 대한 정보가 나온다면 성공적으로 설치가 완료된 것이다.

5. CUDA 9.0 설치하기

$ wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

$ chmod +x cuda_9.0.176_384.81_linux-run
$ sudo ./cuda_9.0.176_384.81_linux-run --override

아래의 문구를 추가하여 쿠다 툴킷의 경로설정을 한다.

nano ~/.bashrc

# NVIDIA CUDA Toolkit
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64

$ source ~/.bashrc

다음과 같이 잘 뜨는지 확인한다. 쿠다 설치가 완료된것이다.

$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

6. cuDNN ver 7.4.1 설치하기

로그인이 필요하니 회원가입을 할 필요가 있다.

NVIDIA cuDNN

 

#CUDA v9.0 설치된 폴더로 옮기기
sudo mv cudnn-9.0*.*  /usr/local/cuda-9.0
cd /usr/local/cuda-9.0

# 압축을 푸는 명령
sudo tar -zxvf cudnn-9.0*.*

# 압축푼 데이터를 옮기는 명령
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo cp  cuda/include/cudnn.h /usr/local/cuda-9.0/include/

# 모두가 읽을 수 있도록 권한을 주는 명령
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

관련 라이브러리 및 패키지 설치

$ sudo apt-get install libcupti-dev

7. 가상환경 설치하기

pip를 설치한다. 

$ wget https://bootstrap.pypa.io/get-pip.py
$ sudo python3 get-pip.py

virtualenv (가상환경) 에서 virtualenvwrapper 설치한다.

$ sudo pip install virtualenv virtualenvwrapper
$ sudo rm -rf ~/get-pip.py ~/.cache/pip

아래의 내용을 추가하여 가상환경 경로설정이 잘 되도록 한다.

$ nano ~/.bashrc

# virtualenv and virtualenvwrapper
export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

$ source ~/.bashrc

d14cv라는 이름의 가상환경을 만들어준다.

$ mkvirtualenv dl4cv -p python3

가상환경에서 작업을 시작한다는 명령이다.

$ workon dl4cv

여러가지를 설치해준다.

$ pip install numpy
$ pip install opencv-contrib-python

$ pip install scipy matplotlib pillow
$ pip install imutils h5py requests progressbar2
$ pip install scikit-learn scikit-image

8. 가상환경에서 Tensorflow 및 Keras 설치하기

텐서플로우 gpu버전을 설치해준다.

$ pip install tensorflow-gpu==1.12.0

$ python
>>> import tensorflow
>>>

keras를 설치해준다.

$ pip install keras

$ python
>>> import keras
Using TensorFlow backend.
>>>

여기서 필자는 텐서플로의 버전때문에 케라스가 지원하지 않는다는 결과를 얻었다. 따라서 다음의 코드로 텐서플로우 GPU버전을 업데이트 해주었다.

$ pip install --upgrade tensorflow-gpu

가상환경에서 나올때는 다음과 같이 명령을 할 수 있다.

>>> exit()
$ deactivate

9. 설치확인

---

 

우분투 18.04 안의 가상환경에서 nvidia graphics driver ver 440,  cuda 9.0 ,  cuDNN v7.2.1, Tensorflow, Keras 의 설치를 모두 완료하였습니다. 다음에는 미리 학습되어있는 모델을 가져와서 이미지를 분류하는 포스트를 올리도록 하겠습니다.