WSL2 + Ubuntu 설치
-
Windows Subsystem for Linux2로 윈도우 10에서도 Linux 환경을 사용할 수 있게 됨.
-
WSL2가 windows 와 linux 환경을 bridge 하여 가상환경을 세팅하는 것보다 속도가 매우 빠름
-
linux 환경에서 Cuda GPU 를 사용할 수 있음.
1. Windows Insider 설치
- 개발자 모드의 윈도우로 사용
- 개발자 등록 후 다운로드
- 잘 설치
2. WSL2
3.1 windows Ubuntu
- 설치가이드를 easy를 따라가면 자동으로 ubuntu가 설치된다.
# WSL에 붙어있는 SW 목록
#wsl --list --vorbose
wsl -l -v
# default를 2로 설정해준다.(build 21301 판에서는 기본 default 2)
wsl --set-default-version 2
# 혹시나 1로 설정되어있으면 2로 바꾸어주기
wsl --set-version Ubuntu 2
- ubuntu shell 을 열어서 버전 확인
# 우분투 버전확인인
cat /etc/issue
# 또는
lsb_release -a
3.2 Docker Desktop for Windows
- 잘 설치해주도록 한다
4. WSL 용 CUDA
- 없으면 위에 링크에서 다운받고 있으면 skip 한다.
nvidia-smi
- NVIDIA Container Toolkit 설치
#Ubuntu Shell 에서 실행
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list
sudo sed -i "s/archive.ubuntu.com/mirror.kakao.com/g" /etc/apt/sources.list
sudo apt update && sudo apt install -y nvidia-docker2
5. Tensorflow-GPU and Jupyter
#GPU Test
sudo docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
# Jupyter notebook 실행행
docker run -u $(id -u):$(id -g) -it --gpus all -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3-jupyter
- 안타깝지만 필자는 cuda가 동작하는 gpu 컴을 가지고 있지않아서 gpu local에서는 gpu사용은 불가하다..ㅠㅠ
- local에서 이미지와 test code만 만들고 gpu가 구비되어있는 환경에서 training 하도록 한다.
