[머신러닝] 머신러닝에 적합한 도구, Pytorch 설치하기(CPU버전)

머신러닝에 적합한 도구: PyTorch

PyTorch: 딥러닝 최적화 프레임워크
PyTorch는 2016년에 출시된 딥러닝 프레임워크로, 신경망 모델 구축과 훈련에 특화되어 있다. 파이썬 기반으로 쉽게 배울 수 있고, 특히 즉시 실행 기능을 통해 디버깅이 용이하다. GPU 병렬 연산을 지원하여 대규모 데이터 처리에 강점이 있다. PyTorch는 심층 신경망 작업에서 매우 유용하며, GPU 가속을 통해 처리 성능을 높여준다. CUDA와 cuDNN 같은 API를 활용해 속도를 극대화할 수 있다.

◆ 장점

• 쉽고 직관적: 텐서플로우보다 접근이 쉬우며, 즉시 실행으로 디버깅을 쉽게 할 수 있다.
• 빠른 속도: GPU 가속 덕분에 복잡한 계산을 빠르게 처리.
• Dynamic Graph: 모델 구조를 변경할 때 유연성을 제공.

★ 정정!
파이토치는 머신러닝, 딥러닝에 쓰이는 프레임워크이고, 비교되는 툴로 Keras, Tensorflow 등이 있다.
VS Code와 Jupyter notebook은 개발환경 또는 코드를 작성하는 도구이다.

 

---

VS Code: 코드 작성의 강력한 도구
VS Code는 범용 코드 편집기지만, 확장성이 뛰어나 Python, PyTorch 등의 라이브러리를 잘 통합할 수 있다. 디버깅, 코드 작성, 협업에 유용하다. 그러나 머신러닝 전용 도구는 아니기 때문에, 주로 개발 환경에서 사용되는 편이다. 아나콘다와 함께 사용하면 개발 효율성을 크게 높일 수 있다.

◆ 장점

• 확장성: PyTorch, Jupyter와 같은 다양한 도구와 통합 가능.
• 편리한 디버깅 기능: 코드 오류를 추적하고 수정하기 좋음.

---

Jupyter Notebook: 데이터 분석과 빠른 프로토타이핑
Jupyter Notebook은 인터랙티브한 환경에서 코드 실행과 시각화, 문서화가 가능하여, 머신러닝 실험이나 데이터 탐색에 자주 사용된다. 주로 데이터를 실시간으로 탐색하거나 모델을 빠르게 테스트할 때 유리하다. 하지만 대규모 모델 훈련에는 다소 제약이 있을 수 있다.

◆ 장점

• 인터랙티브한 실행: 실시간으로 코드를 수정하고 실행 결과를 바로 확인 가능.
• 빠른 프로토타이핑: 아이디어 테스트와 데이터 시각화에 적합.

---

결론: 어떤 프레임워크가 적합할까?

 

딥러닝 모델 개발에 중점을 둔다면, PyTorch가 가장 적합한 선택이다. PyTorch는 GPU 가속 및 신경망 훈련에서 최고의 성능을 발휘한다.

실험과 빠른 테스트를 원한다면, Jupyter Notebook과 함께 PyTorch를 사용하는 것이 이상적이다.
코드 작성 및 디버깅에 편리함을 더하고 싶다면, VS Code와 함께 사용하는 것이 좋다.

---

Pytorch 설치하기 + anaconda 설치하기

 

1. Python 설치
먼저, PyTorch를 사용하려면 Python이 설치되어 있어야 한다. Python 공식 웹사이트에서 Python을 다운로드하고 설치.

Download Python

 

2. Anaconda 설치
Anaconda는 데이터 과학 및 머신러닝에 적합한 환경을 제공하며, Python 패키지를 관리하기 쉽게 해준다. Anaconda 공식 웹사이트에서 다운로드할 수 있다.

Download Anaconda Distribution | Anaconda

 

★ 추가 내용!!

CUDA, cuDNN을 설치하기 전에 반드시 확인해야 할 것이 있다!

그것은 현재 나의 사용환경에 맞는 버전을 다운 받아야 한다는 것인데, 그것을 확인하는 방법은 하단의 사이트에 들어가서..

그전에! 내가 사용하는 컴퓨터 (또는 노트북)의 GPU가 어떤 브랜드 것인지를 알아야 한다.

Windows의 소스에서 빌드,Windows의 소스에서 빌드  |  TensorFlow

현재 내 PC에 설치된 텐서플로우 버전, 파이썬 버전을 확인하고, 그에 맞는 CUDA와 cuDNN 버전을 다운 받으면 된다.

(그전에 꼭! 내 PC의 GPU가 NVIDIA 것인지를 먼저 확인! 안 그러면 CUDA, cuDNN 모두 무쓸모이다)

 

이 포스팅에서는, 현재 사용하는 PC의 GPU가 인텔(Intel) 제품이므로, 해당 과정은 생략한다.

인텔(Intel) 은 CUDA 대신에 oneAPI 라는 툴킷이 있는데, 설치하려고 몇 시간을 헤맸지만 실패했다.

(시간이 많으신 분만 클릭)

[머신러닝] Intel GPU로 Pytorch 구동하기(는 안할게..)

 

---

아나콘다를 통한 파이토치 설치

 

아나콘다(anaconda)가 설치되어 있을 경우, 가상환경을 통해 설치할 수 있는데,

먼저 아래의 파이토치 설치 사이트에 접속하여

Start Locally

 

사용하는 환경에 맞게 고르면, 하단의 'Run this Command'와 관련 명령어가 나온다.

회사 컴퓨터의 경우, 인텔 GPU를 사용함으로 인해 CUDA 설치가 불가하므로, CPU 클릭

 

그리고 anaconda prompt를 켜서 해당 명령어를 복사 붙여넣기

 

중간에 Proceed 에서 y 입력하고 좀 기다리면 설치가 완료된다.

---

설치 확인

설치가 완료되면 Python 주피터 노트북을 열고 다음 명령어를 입력하여 PyTorch가 제대로 설치되었는지 확인할 수 있다.

import torch
print(torch.__version__)

 

위 명령어가 실행되어 버전이 출력되면, PyTorch 설치하고 사용할 준비가 완료된다.

---

[참고한 사이트]

 

[파이토치(Pythorchy) 이야기 1화] 파이토치 시작하기

 

파이토치(pytorch) 설치 방법