- Today
- Total
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- Darknet
- agx
- 설치
- YOLO
- 엔비디아
- 애드센스
- tensorflow
- openpose
- Xavier
- cuda
- Windows
- Nvidia
- 물체검출
- 블로그
- 영상처리
- Tistory
- python
- 방법
- 딥러닝
- Linux
- 파이썬
- GPU
- 티스토리
- 라즈베리파이
- openCV
- tx2
- Jetson
- DNN
- 텐서플로우
- ubuntu
엔지니어스 - Engineeus
[Windows] CUDA, cuDNN 설치 본문
start()
{
-
환경
- OS : Windows 10
- Graphic card : GTX1050
-
설치 할 것
- CUDA
- cuDNN
-
CUDA 설치
※ CUDA 설치 전 CUDA를 왜 사용 하는지에 대해서 간략하게 설명한 포스트 입니다. 짧게 읽고 오면 도움이 될 겁니다.
https://mickael-k.tistory.com/19
1. 본인 GPU 확인
- 아래 포스트와 같은 방법으로 확인 합니다.
https://mickael-k.tistory.com/16
- yolo v3의 권장 GPU 메모리는 4GB 메모리 이상 입니다. 저는 GTX 1050 Ti를 사용 하기에 4GB 메모리를 갖고 있네요.
2. CUDA 지원, 성능, 코어 수 확인
- 아래 포스트와 같은 방법으로 확인 합니다.
https://mickael-k.tistory.com/17
- 저는 6.1 Compute Capability를 갖고 있습니다.
3. CUDA SDK 확인
3-1) 쿠다 버전 확인
- CUDA를 설치 하기 전에 CUDA에는 여러가지 버전이 있습니다. 이 버전은 내 그래픽카드가 가지고 있는 Compute Capability와 관련이 있습니다. 따라서 위에서 확인된 Compute Capability를 기억 해 두시고 아래 와 같이 CUDA 버전을 선택 해야 합니다.
내 Compute Capability = 6.1;
알맞는 CUDA Version = ?;
- CUDA Version은 아래에서 보이는 바와 같습니다.
- 제 Compute Capability가 6.1이니 3.0 ~ 7.5 사이 이기 때문에 CUDA SDK(버전)을 최신 버전인 10.1 버전으로 선택 할 수 있습니다.
- 위 사항은 아래 웹사이트에 나와 있습니다.
https://en.wikipedia.org/wiki/CUDA
4. CUDA 설치
4-1) 웹사이트 진입
- 아래 포스트에 들어가 3-2와 같은 방법으로 합니다.
4-2) 자신에 맞는 환경 체크
- CUDA 사이트에서 Select Target Platform 메뉴에서 Windows -> x86_64 -> Ubuntu -> 16.04 -> runfile(local)
저는 Windows 10을 사용해서 알맞는 설정을 아래와 같이 했습니다.
- Windows 10을 사용한다면 아래와 같이 체크 하고 Installer Type에서 network는 인터넷을 통해 여러번 다운받는것이고, Local은 한번에 받는 것 이다. 인터넷이 일정하게 문제 없다면 local로 받는다.
4-3) 설치 진행
저는 Default로 설치 된 곳에 경로를 지정 하였고 아래와 같습니다.
경로 : C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
4-4) 환경 변수 추가 확인
- 환경변수 등록은 자동으로 됩니다. 설치되는 경로는 안바꾸는게 편합니다. CUDA는 여러가지 버전을 다양하게 설치해서 사용할 수 있습니다. 환경변수 관리만 잘하면 다양한 버전을 사용해 볼 수 있습니다. 일단 아래와 같이 잘 등록이 자동으로 되었나 확인 해 봅시다.
- 위 파란색 경로를 복사 해 둡니다. 그리고 아래와 같이 진행 합니다.
1) '시작 - 찾기 - 시스템 환경 변수 편집'에 들어갑니다.
2) 확인
아래 CUDA_PATH와 CUDA_PATH_V10_1에 등록이 되어 있는 걸 확인 할 수 있습니다.
-
cuDNN 설치
1) 멤버쉽 가입
- nVideo developer 멤버쉽에 가입을 해야 합니다. 가입 하는 방법은 생략 하겠습니다. 아래 웹사이트에서 하시면 됩니다.
https://developer.nvidia.com/rdp/cudnn-download#a-collapse714-92
2) 다운로드
- 다 되면 아래와 같이 CUDA 버전에 맞게 알맞는 cuDNN을 선택 할 수 있습니다.
- 저는 CUDA 10.1 이기에 cuDNN v7.6.4로 받겠습니다.
- 알맞는 OS 설정도 해 주시구요.
- 다운로드가 완료 되면 아래와 같이 다운로드 된 경로에 'cuda'라은 파일이 생기고 하위 폴더에 아래와 같이 파일이 생성 되어 있을 겁니다.
3) 경로 이동
- 위 쿠다 파일의 bin, include, lib 안에 있는 것들을 아까 4-3에서 설치 한 CUDA의 경로에 알맞게 각각 넣어 줍니다.
- 즉, C:\Users\KMG\Downloads\cudnn-10.1-windows10-x64-v7.6.4.38\cuda 안에 bin, include, lib-x64의 하위에 있는 cudnn64_7.dll, cudnn.h, cudnn.lib 이 세개를 알맞는 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 의 bin, include, lib-x64 안으로 넣어야 합니다.
- 이렇게 하면 따로 PATH 설정을 할 필요가 없는 겁니다. 만약 그래도 찜찜 하신 분들은 아래와 같이 경로 설정 해서 추가로 나중에 Visual Studio IDE에 경로 추가 해 주면 됩니다.
return 0;
}
'Autonomous Tech. > Installation' 카테고리의 다른 글
[Windows] Anaconda, Pycharm, Opencv 설치 (0) | 2019.10.31 |
---|---|
[Windows] OpenCV 설치 (3.4.0) (3) | 2019.09.29 |
[Windows] Visual Studio Code (VS Code) - [2] 환경 설정 (0) | 2019.09.22 |
[Windows] Visual Studio Code (VS Code) - [1] 설치 방법 (0) | 2019.09.22 |
[Windows] Visual Studio - [2] C/C++ 소스파일 만들기 (2) | 2019.09.22 |