이번에는 프로젝트 모듈 중 데이터 분석 및 예측을 위한 Deep Learning 환경을 구성해 보겠습니다. Tensorflow 2.0에 대해서는 따로 Category를 만들어서 진행하고, 이번에는 기존에 설치한 Anaconda에 Tensorflow 2.0을 추가하고 Jupyter Notebook에서 정상적으로 구동까지 환경을 만들겠습니다.
1. Anaconda에 Tensorflow 2.0 설치
Anaconda prompt를 통해서 base에 접속합니다. 그리고 설치를 위해서 간단하게 pip install 명령을 입력합니다.
!!! 주의점
아무생각없이 pip install tensorflow 라고 입력하면 설치는 되어 conda list로 확인했을 경우 정상처럼 보이지만 실제
사용이 불가하기 때문에, tensorflow에서 가이드하는 공식 방법으로 설치합니다.
pip install tensorflow-gpu==2.0.0
설치가 정상적으로 되고, conda list로 보면 ...
정상적으로 설치가 완료되었습니다.
보면 GPU가 있는 환경과, 없는 환경이 설치방식이 차이가 납니다. 왜냐하면... GPU가 없는 환경에서 위의 pip install을 진행하게 되면 아래의 에러가 발생합니다.
### Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX ###
이렇다면, 아래의 방식대로 uninstall 후에 다른 아이를 설치해야 합니다.
pip uninstall tensorflow-gpu==2.0.0
pip install tensorflow-cpu==1.15.0만약에 기존 install에서 gpu를 cpu라고만 변경하면 아래의 에러가 발생하는데 왜냐하면 cpu모드는 2.0.0이 없기 때문 입니다. (Error: No matching distribution found for tensorflow-cpu==2.0.0)
2. Jupyter Notebook을 통한 설치확인
jupyter notebook이란 무엇일까요?? 그 기원을 알려면 iPython notebook으로 기원을 찾을수가 있는데, 이는 python을 대화형으로 프로그래밍 하기위한 커맨드 쉘 입니다. 이를 기반으로 Jupyter 프로젝트가 수행되었고 그의 결과물이 바로 Jupyter notebook 입니다.
그냥 편하게 대화형으로 python 프로그래밍을 지원하는 패키지 정도로 생각해 주시면 됩니다. Anaconda를 설치하면 자동으로 포함되는 패키지로 Anaconda promt에서 바로 실행이 가능합니다.
jupyter notebook이렇게 입력하면, 자동으로 웹 브라우저에서 실행이 됩니다.
이제 오른쪽에 New -> notebook에 Python3을 선택하고 새로운 note를 생성합니다. 그리고 아래의 코드를 입력하고 단축키인 ctrl + enter를 입력합니다.
import tensorflow as tf
print(tf.__version__)
a = tf.constant(1.0)
print(a)그러면 정상적으로 값이 도출됩니다.
이렇게 구성을 마치겠습니다.
-Ayotera Lab-
댓글