[DL][Windows 11] 윈도우 텐서플로우 (TensorFlow) 설치

0. Python 

우선 환경 설정을 위해 python이 필요합니다.

추후 가상환경을 만들어 구성할 예정이라, 버전은 3.x 버전 이상이라면 상관없습니다. 

 

# 수정합니다. 텐서플로우가 지원하는 파이썬 버전 확인 후 해당 버전으로 설치해주시거나, 1챕터에서 가상환경 제작 시, 특정 버전으로 생성하셔야 정상적으로 텐서플로우가 작동합니다.

#주인장은 3.10.5 버전 사용 중입니다.

 

https://www.python.org/downloads/

Download Python

해당 링크를 통해 python을 다운 받은 후, cmd를 통해 python --version을 입력해 설치를 확인합니다.

간혹 python 2.x 버전과 3.x 버전이 둘 다 설치된 경우 python3 --version을 통해 확인 가능합니다.

 

---

 

1. 환경 구축 (Python 가상 환경 venv)

본 글에서는 Python의 기본 기원되는 가상 환경 명령어인 venv를 사용할 예정입니다.

콘다(conda)류 를 사용할 예정인 분은 추후 올라올 Mac OS에서의 ML 환경 세팅 글을 참고 바랍니다.

 

우선 가상환경을 사용하는 이유는 다음과 같습니다.

pip install 을 통해 패키지를 설치하게 될 경우, 패키지끼리 버전 충돌이 일어나는 경우가 빈번합니다.

매번 패키지 충돌과 관련된 이슈를 해결하기 위해 시간을 쏟는 것 보단, 가상환경을 통해 해당 프로젝트에서 사용되는 패키지 버전을 맞춰 충돌 이슈에서 자유로울 수 있습니다.

 

많은 머신러닝 환경 구축 글들이 conda류 프레임워크를 쓰는 이유와 일맥상통합니다.

 

가상환경 생성을 위해 우선 cmd 혹은 powershell을 열어줍니다.

 

//1. 프로젝트를 디렉토리 생성

mkdir 프로젝트를 사용할 디렉토리
cd 프로젝트를 사용할 경로

//2. 가상환경 생성
python -m venv 가상환경이름

//3. 가상환경 디렉토리로 이동
cd 가상환경이름

//4. 가상환경 실행
Scripts\activate

//5. 가상환경 종료
deactivate

 

 

---

 

2. Tensorflow 텐서플로우 설치

앞서 생성한 가상환경에 접속하도록 합니다.

 

 

python --version //파이썬 버전 확인

python -m pip install --upgrade pip //pip 버전 업데이트

pip install tensorflow //tensorflow 설치

(참고)

기존 텐서플로우는 cpu 버전, gpu 버전 별로 패키지 명이 달랐으나, 최신 버전 부터는 같은 패키지 명을 사용하는것으로 알고 있습니다.

과거) pip install tensorflow-gpu

현재) pip install tensorflow

pip list 명령어를 통해 tensorflow-gpu가 있는지 확인 하시면 됩니다.

 

 

설치 확인 방법은 다음과 같습니다.

python

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

다음과 같이 입력했을 때, CPU와 GPU 정보가 보인다면 정상적으로 설치된 것입니다.

from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

 

---

 

3. jupyter lab 설치 (권장)

윈도우의 장점은 GUI 환경이 아닐까 싶습니다.

트리형식의 디렉토리 및 파일 표시와 가상환경 접근, 원활한 코드 작성을 위해 보통 vscode와 연결 혹은 jupyter notebook을 많이 설치합니다.

주인장은 이중 jupyter lab에 대해 다루도록 하겠습니다.

 

pip install jupyter lab //설치 명령어

jupyter lab //실행 명령어

 

 

설치 이후, jupyter lab 명령어를 통해 구동 가능합니다.

간단하게 앞서 다뤘던 local devices를 출력하는 명령어를 실행해봅니다.

 

 

jupyter lab의 기능 및 세팅 방법은 추후 다른 글로 찾아뵙겠습니다.