1. Tensorflow를 설치하기 전에 가상환경을 먼저 설치합니다.
관리자 권한으로 Ananconda Prompt를 실해합니다.
Python이나 conda 버전 정보는 Ananconda를 설치할 때 이미 확인하였습니다. Anaconda Prompt를 실행하면 가상환경은 base가 된다.
가상환경(Virtual Environment)는 특정 작업에 사용되는 패키지들만을 모아서 설치할 수 있습니다. 각각의 가상환경은 독립적이라 다른 가상환경에 영향을 주지 않습니다.
가상환경은 아래와 같은 명령어를 사용하여 생성할 수 있습니다.
conda create -n [가상환경 이름]
conda create -n [가상환경 이름] python=3.6
저는 tensorflow 2.3 버전을 설치하는 가상환경을 생성하겠습니다. 먼저 작업을 위한 디스크와 폴더로 이동합니다.
Anaconda Prompt에서 아래의 명령어를 입력하여 가상환경을 생성합니다.
conda create -n tf23_py36 python=3.6
conda create -n tf23_py38 python=3.8
가상환경을 생성한 후에 가상환경을 사용하기 위해서는 아래의 명려어를 사용하여 활성화 해야 합니다. 가상환경이 정상적으로 생성되었는지 확인하기 위해 Python 버전을 확인해 봅니다. 프롬프트도 (base)에서 (tf23_py38)로 변경되었습니다.
activate [가상환경 이름]
예) activate tf23_py38
아래의 명령어를 실행하면 가상환경이 비활성화 됩니다.
deactivate
가상환경이 비활성화 되면서 프롬프트가 다시 (base)로 변경되었습니다.
아래의 명령어를 실행하여 가상환경을 삭제할 수 있습니다.
conda remove -n [가상환경 이름] -all
2. 먼저 jupyter notebbok을 설치하기 위해 관련 라이브러리를 설치하고 쥬피터 노트북도 설치합니다.
아래의 명령어를 입력하여 쥬피터 노트북을 설치합니다.
conda install -n tf23_py36 ipython notebook jupyter
conda install -n tf23_py38 ipython notebook jupyter
다음으로 딥러닝 알고리즘 개발에 자주 사용되는 패키지를 설치합니다.
만약 개별적으로 패키지를 설치하고자 할실 경우, 아래와 같이 버전 정보도 명시하여 설치할 수 있습니다.
conda install -n tf23_py38 numpy=1.19.5
아래의 명려어를 입력하여 패키지들을 설치합니다.
conda install -n tf23_py36 numpy scipy matplotlib spyder pandas seaborn scikit-learn h5py pillow matplotlib tqdm
conda install -n tf23_py38 numpy scipy matplotlib spyder pandas seaborn scikit-learn h5py pillow matplotlib tqdm
conda install -c anaconda scikit-image
conda install -c conda-forge patsy
conda install -c conda-forge/label/gcc7 patsy
conda install -c conda-forge/label/cf201901 patsy
conda install -c conda-forge/label/cf202003 patsy
conda install -c conda-forge statsmodels
conda install -c conda-forge/label/gcc7 statsmodels
conda install -c conda-forge/label/cf201901 statsmodels
conda install -c conda-forge/label/cf202003 statsmodels
pip install opencv-python
conda install -c conda-forge lightgbm
conda install -c conda-forge pydotplus
conda install -c conda-forge pydot
3. GPU가 지원되는 Tensorflow를 설치합니다. keras는 Tensorflow 2.0 버전부터는 내장되어 별도의 설치가 필요하지 않습니다.
pip install tensorflow-gpu==2.0
pip install tensorflow-gpu
아래의 설치 방법은 참고로 해주시기 바랍니다.
conda install -n tf23_py38 tensorflow-gpu
마지막 단계로 구성한 가상환경을 ipython kernel에 등록합니다.
python -m ipykernel install --user --name tf23_py38
4. 설치가 완료되면 정상적으로 설치되었는지 확인합니다. 먼저 주피터 노트북을 실행합니다.
jupyter notebook
jupyter notebook는 http://localhost:8888/tree주소로 실행됩니다.
jupyter notebook의 실행위치를 변경할 수 있습니다.
먼저 설정 파일을 생성합니다. c:\Users\xxx\.jupyter\jupyter_notebook_config.py 파일이 생성됩니다.
jupyter notebook --generate-config
그리고 “c.NotebookApp.notebook_dir”을 검색하여 해당 위치로 이동합니다.
주석을 제거하고 사전에 미리 만들어 놓은 폴더를 지정합니다.
예) c.NotebookApp.notebook_dir = ‘d:/DeepLearning’
다시 jupyter notebook을 실행합니다.
수정한 위치가 정상적으로 참조되었습니다. 아래의 그림과 같이 비어 있는 상태로 jupyter notebook이 실행됩니다.
만약 위의 수정이 적용되지 않을 때는 윈도우 시작에서 Anaconda3 (64-bit) 메뉴의 Jupyter Notebook(nanconda3)을 선택하고 마우스 오른쪽 버튼을 클릭한 후 자세히 – 파일 위치 열기를 선택합니다.
이 폴더에서 Jupyter Notebook(anaconda3) 파일을 선택하고 마우스 오른쪽 버튼을 클릭한 후 맨 아래에 있는 :속성” 메뉴를 선택합니다.
바로가기 탭의 “대상”에 “%USERPROFILE%/”을 원하는 저장 경로로 수정합니다.
아래는 수정한 결과를 나타낸 것입니다.
수정을 완료하신 후 jupyter notebook을 다시 실행합니다.
우측 상단의 New 버튼을 클릭하시고 tf23_py38(이전 단계에서 ipython kernel에 등록에 등록한)을 선택하여 새로운 파일을 오픈합니다.
아래와 같이 Python 소스 코드를 입력하고 상단에 있는 “Run” 버튼을 클릭합니다.
import tensorflow as tf
print(tf.__version__)
print(tf.keras.__version__)
정상적으로 버전 정보를 출력합니다.
아래의 소스를 입력하여 Tensorflow GUP 버전 설치 여부를 확인합니다.
import tensorflow
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())