[환경세팅] Tensorflow Tutorial

버전 안내
Tensorflow 2.11.0  
CUDA 11.2
cuDNN 8.1.1

---

1. Installing miniconda3
https://docs.conda.io/en/latest/miniconda.html

화면 내려서 해당 부분에서 3.9로 설치하세요(path 꼭 추가)

2. Installing GPU toolkit: CUDA
https://developer.nvidia.com/cuda-11.2.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

다운로드 누르세요

3. Installing GPU toolkit: cuDNN
https://developer.nvidia.com/cudnn

등록하는 과정 따라서 등록부터 해야함

cuDNN 8.1.1
https://developer.nvidia.com/rdp/cudnn-archive

얘 눌러서 다운로드하세요

cuDNN: https://developer.nvidia.com/cudnn

위의 사이트에서 cuDNN Runtime Library for Ubuntu 20.04 x86_64랑 cuDNN Developer Library ~ 두개 다운로드 한 다음 아래 명령어로 설치해야 GPU toolkit을 설치한 것

sudo dpkg -i

윈도우는 윈도우로 다운로드하고 설치!

4. Installing Tensorflow 
- Launch miniconda3

얘 눌러서 실행

conda create --name tf python==3.9
conda activate tf
pip install tensorflow

tf라는 이름으로 python 버전이 3.9인 가상환경을 새로 생성하고
tf를 활성화해서 base가 tf로 바뀜
이 가상환경에 tensorflow를 설치함

위의 코드 전부 실행

파이썬 버전 꼭 일치시키기

5. Run
jupyter notebook

Prompt에 jupyter notebook을 치면 됨, 그런데 우측의 New에 tf가 안 뜸

근데 환경변수의 내용을 적용시키기 위해 커널 생성 필요
miniconda prompt에서 가상환경 tf 활성화하고 다음 내용 입력
tf는 가상환경 이름이고 "Intelligent Control"가 가상환경의 이름으로 보여진다

activate tf 
conda install ipykernel
python -m ipykernel install --user --name tf --display-name "Intelligent Control"

여기에서 Intelligent Control을 누르면 새 노트북이 생성됨

# Basic training and testing
import tensorflow as tf

# Load MNIST dataset and scale values to [0 1].
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)), # Flatten Layer
  tf.keras.layers.Dense(128, activation='relu'), # Fully-Connected Layer
  tf.keras.layers.Dropout(0.2),                  # Dropout Layer
  tf.keras.layers.Dense(10)                      # Fully-Connected Layer
])

# Specify the cost function associated with the NN model.
# Here, we use Sparse Categorical Cross-entropy.
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)

# Compile, train, and test the model.
model.compile(optimizer='adam', loss=loss_fn, metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
results = model.predict(x_test)

 

제대로 됩니다ㅏㅏ