WSL 2 및 Ubuntu 셋팅
GPU 가속을 지원하는 Tensorflow 개발환경을 구축한다.
구글 Colab은 딥러닝 실습에 제한 사항이 많으므로, 대신 Ubuntu 및 Docker를 사용한다.
윈도우(10 이상)에서 Native한 방식으로 리눅스 실행 파일을 실행하기 위해 WSL 2 및 Ubuntu 20.04.4 LTS(💾설치)를 설치한다.
Ubuntu 설치가 끝나면 실행하여 사용자 정보(username 및 password)를 입력한다.
Note
Windows Terminal(💾설치)은 많은 기능과 우수한 편의성을 자랑하므로 설치를 권장한다.
-
📌 WSL 설치
아래 작업은 PowerShell을 관리자 권한으로 실행해야 한다.
-
Linux용 Windows 하위 시스템 사용 옵션 기능을 사용하도록 설정한다.
1
> dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart -
버전업 가능 여부를 확인한다.
윈도우 빌드가 18362보다 낮으면 WSL 2를 지원하지 않으므로 주의해야 한다.
(윈도우 빌드는 실행 창(
Windows 로고 키 + R)에 winver을 입력하거나, 설정에서 PC 정보를 검색해서 확인) -
업데이트가 가능하다면 이어서 Virtual Machine 기능을 사용하도록 설정한다.
1
> dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart -
--set-default-version명령어로 기본 버전을 선택한다.(
2로 설정 시 WSL2를 기본 버전으로 사용)1
> wsl --set-default-version 2
-
만약 위 방법이 작동하지 않는다면, Linux 커널 업데이트를 먼저 진행해야 한다.
이곳에서 최신 WSL2 Linux 커널 업데이트 패키지를 설치한 후, 다음 명령을 대신 입력한다.
1
> wsl --set-default-version Ubuntu-20.04 2
-
Note
WSL 버전은
wsl -l -v명령으로 확인할 수 있다.
Docker 및 GPU 셋팅
Ubuntu에 Docker 엔진 및 GPU 지원을 위해 필요한 패키지를 설치한다.
Windows용 Docker 데스크톱 설치
WSL 2에서 도커를 사용하기 위해서는 우선 Windows용 Docker 데스크톱(💾)이 설치되어 있어야 한다.
설치가 완료되면 몇 가지 환경 설정을 진행한다.
-
-
General 메뉴의 Use the WSL 2 based engine 옵션에 체크한다.
-
Resources -> WSL Integration 메뉴의 옵션을 다음과 같이 설정한다.
-
Ubuntu용 Docker 엔진 설치
Ubuntu를 실행하고 Docker 엔진을 설치하기 위해 다음 과정을 진행한다.
-
-
먼저 HTTPS를 경유하여 리포지토리를 사용할 수 있도록 apt를 업데이트하고 패키지를 설치한다.
1 2 3 4 5 6
$ sudo apt-get update $ sudo apt-get install \ ca-certificates \ curl \ gnupg \ lsb-release
-
다음으로 Docker와의 암호화된 통신을 위한 Docker의 공식 GPG 키를 추가한다.
1
$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
-
마지막으로 Docker의 리포지토리를 설정한다.
1 2 3
$ echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
-
모든 준비가 끝났다면 apt를 업데이트하고 Docker 엔진을 설치한다.
1
2
$ sudo apt-get update
$ sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin
Note
특정 버전을 설치하고 싶다면 이곳의 두 번째 단락을 참고한다.
테스트 이미지를 실행해 Docker 엔진이 올바르게 설치되었는지 확인한다.
1
$ sudo docker run hello-world
(선택적) 설치 후 단계
이 작업은 루트가 아닌 사용자 그룹에 root와 동일한 권한을 부여한다(건너뛰어도 무방).
-
-
먼저, docker 그룹을 생성한다.
1
$ sudo groupadd docker
-
생성한 docker 그룹에 사용자를 추가한 다음, 재시작한다.
1 2
$ sudo usermod -aG docker $USER $ newgrp docker
-
/var/run/docker.sock파일의 권한을 666으로 설정하여 그룹 내 다른 사용자도 접근 가능하게 변경한다.1
$ sudo chmod 666 /var/run/docker.sock
-
이제
sudo없이도 docker 명령을 수행할 수 있다.1
$ docker run hello-world
-
NVIDIA Docker 지원 설치
Linux 환경에서 Tensorflow가 GPU를 지원할 수 있도록 NVIDIA Docker 지원을 설치한다.
-
-
NVIDIA 패키지 리포지토리 및 GPG 키를 설치한다.
1 2 3 4 5
$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \ sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
-
apt를 업데이트하고
nvidia-docker2패키지를 설치한 다음, 도커 데몬을 재시작해 설치를 완료한다.1 2 3
$ sudo apt-get update $ sudo apt-get install -y nvidia-docker2 $ sudo systemctl restart docker
-
모든 패키지 설치가 끝났으며, 다음 명령으로 CUDA 컨테이너를 실행해 GPU 작동 성능을 테스트할 수 있다.
1
$ sudo docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 510.51 Driver Version: 511.69 CUDA Version: 11.6 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:01:00.0 Off | N/A |
| N/A 48C P8 N/A / N/A | 0MiB / 4096MiB | 1% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
Tensorflow 셋팅
이번 단락에서는 옵션을 지정해 Tensorflow를 Docker에 설치하고, 실행하여 작동을 확인한다.
Tensorflow Docker 이미지 다운로드
공식 Tensorflow Docker 이미지는 tensorflow/tensorflow Docker hub 저장소에 있습니다.
다음 형식을 조합하면 리눅스에서 Tensorflow 이미지를 태그할 수 있다.
-
-
먼저 베이스 태그를 사용해 Tensorflow 이미지의 버전을 지정한다.
베이스 태그 설명 latestTensorFlow CPU 바이너리 이미지의 최신 출시(기본값) versionTensorFlow 바이너리 이미지의 버전 지정(예: 2.1.0) -
태그 변이를 적용하면 각 베이스 태그에는 기능 추가를 할 수 있다.
(태그 변이는 다른 태그 변이와 함께 사용 가능)
태그 변이 설명 tag-gpuGPU 지원 tag-jupyterJupyter Notebook 포함
-
구성하고자 하는 텐서플로우 작업환경은 GPU를 지원하며 Jupyter Notebook 역시 포함해야 한다.
다음과 같은 형식으로 태그를 만들면 최신 버전의 Tensorflow를 다운로드할 수 있다.
1
$ docker pull tensorflow/tensorflow:latest-gpu-jupyter
Jupyter Notebook 실행
도커를 이용하기 위해서는 Docker Daemon이 실행 중이여야 한다.
다음 명령을 통해 Docker Daemon의 상태를 start로 변경한다.
1
$ sudo service docker start
다음 명령으로 지금까지 구성한 작업환경 컨테이너를 실행할 수 있으며, 생성된 링크로 이동하면 주피터 노트북으로 연결된다.
1
$ docker run --gpus all -lt -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-gpu-jupyter
notebooks 폴더로 이동한 뒤, 작동 테스트를 위해 새 ipynb 파일을 생성한다.
-
작동 테스트
-
Tensorflow 버전 확인
1 2 3
import tensorflow as tf print(tf.__version__)
-
Tensorflow가 GPU를 사용하는지 확인
1 2 3
from tensorflow.python.client import device_lib print(device_lib.list_local_devices())
1
device_type: "GPU"
-
Note
주피터 노트북을 종료하려면 우측 상단의
Quit버튼을 클릭한다.