WSL2로 CUDA 개발환경 구성하기

NVIDIA DRIVER 설치

https://developer.nvidia.com/cuda/wsl/download

위 링크에서 컴퓨터 환경에 맞게 nvidia 드라이버를 다운로드 받아준다.

CUDA 설치

CUDA 설치를 위한 network repository를 설정한다.

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub

sudo sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list'

sudo apt-get update

CUDA to/olit을 설치한다. 여기서는 10.1 버전을 설치하였고 원하는 버전이 있으면 cuda-toolkit 뒤에 버전을 명시해주면 된다. (예: cuda-toolkit-10-0)

sudo apt-get install -y cuda-toolkit-10-1

CuDNN 설치

아래 링크에서 버전에 맞는 CuDNN을 설치한다. 나같은 경우는 10.1 버전을 받았으므로 cuDNN 7.6.5 버전을 다운로드 받았다.

https://developer.nvidia.com/rdp/cudnn-archive

아래 명령어로 다운로드 받은 Deb 파일을 실행한다.

sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb

음.. 이유는 모르겠지만 deb파일로 설치를 했더니 libcudnn이 없었다. 그래서 다른 파일을 다운로드 받아서 다시 설치! cuDNN Library for Linux에서 다운로드 받았다. 이 경우엔 아래 명령어를 입력해서 설치한다.

tar -xzvf cudnn-10.1-linux-x64-v7.6.5.32.solitairetheme8

명령어를 실행시킬 경우 현재 작업 폴더에 cuda라는 폴더가 생긴다.

그리고 아래 명령어를 이용해서 설치한 파일을 복사해주고, 권한 설정을 바꿔준다.

sudo cp cuda/include/cudnn.h /usr/local/cuda/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

만약 cuda가 다른 폴더에 설치되어 있다면 경로를 바꿔줘야 한다. (예: sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64)

ubuntu 재부팅을 해준다.

CUDA 동작 확인

텐서플로우에서 gpu 장치가 인식되는지 확인.

명렁어창에 python을 입력하여 파이썬 실행시키고 아래 명령어를 입력해준다.

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

파이토치에서 gpu 장치가 인식되는지 확인

import torch
torch.cuda.is_available()