반응형 엔비디아5 Nvidia RTX 4060Ti 기반 Ubuntu에서 CUDA + cuDNN + Tensorflow + Pytorch 설치 넉넉한 GPU 메모리 구성으로 가성비 좋은 GeForce RTX 4060Ti 16G를 사용해 Ubuntu 리눅스 환경에서 머신러닝 모델을 연구하고 있습니다. 그동안 TensorFlow와 PyTorch 환경을 셋업하는 과정에서 만난 버전 호환성 문제로 고생을 많이 해서 설치에 성공했던 사례를 글로 정리하여 같은 문제를 겪고 계신 분들에게 도움이 되고자 합니다. GPU 가속 머신러닝 개발환경을 구축하기 위한 첫걸음은 운영체제에서 GPU를 인식하도록 드라이버를 설치하는 것입니다. 그 후에는 TensorFlow와 PyTorch의 명령을 GPU로 전달하기 위해 CUDA와 cuDNN을 설치해야 하며, 마지막으로 TensorFlow 및 PyTorch 를 설치합니다. 각 단계마다 소프트웨어의 버전 호환성이 중요하며, .. 2024. 5. 5. Ubuntu 리눅스 NVIDIA 드라이버 설치 방법 그래픽카드 및 설치 가능한 드라이버 확인ubuntu-drivers devices현재 사용 중인 그래픽카드 확인lshw -numeric -C displaylspci | grep -i nvidia 1. 권장 드라이버 자동으로 설치sudo ubuntu-drivers autoinstall 2. 원하는 버전을 수동으로 설치sudo apt install nvidia-driver-xxx 3. PPA 저장소를 사용하여 자동 설치PPA저장소를 사용하면 최신 버전의 베타 그래픽 드라이버를 설치할 수 있습니다. 아래 명령으로 Graphics-Drivers/PPA 저장소를 시스템에 추가 해 줍니다.sudo add-apt-repository ppa:graphics-drivers/ppasudo apt update 4. NVIDI.. 2024. 4. 28. 가성비 최강 NVIDIA RTX 3050 게이밍 노트북으로 TensorFlow GPU 가속 시작하기: CUDA와 cuDNN 설치 (2024.04. 업데이트) AI와 머신러닝의 세계가 발전함에 따라, 첨단 기술과 강력한 컴퓨팅 환경의 필요성이 점점 더 강조되고 있습니다. 이러한 환경을 구축하기 위해 많은 이들이 클라우드 데이터센터의 첨단 GPU를 활용하고 있으며, 특히 NVIDIA A100과 같은 하드웨어는 대규모 데이터셋의 처리와 복잡한 AI 알고리즘 실행에 있어 놀라운 속도와 효율성을 보여줍니다. 그러나, 이러한 하드웨어에 대한 접근성은 모든 이에게 열려있는 것이 아니며, 특히 예산과 자원이 제한된 개인 개발자나 학습자에게는 더욱 큰 도전으로 다가옵니다. 이러한 현실적인 제약 속에서, 저는 가성비가 좋은 NVIDIA RTX 3050을 장착한 노트북에서 TensorFlow GPU 환경을 구축하기로 결심했습니다. 이 결정에는 TensorFlow의 최신 버전을 .. 2024. 4. 10. AI 경쟁의 시작: 글로벌 기술에 대한 엔비디아의 H100 GPU 영향력 기술 대기업의 경쟁과 글로벌 기술 환경에서 한국의 전략적 움직임에 대한 인사이트를 통해 Nvidia의 H100 GPU가 AI를 어떻게 재편하고 있는지 살펴보세요. 유튜브 김작가TV 채널의 "다들 반도체 미친 듯이 사고 있다, 미치도록 무서운 AI 개발 속도(솔트룩스 이경일 대표)" 영상에서는 AI 개발의 빠른 속도와 이에 대한 반도체 업계의 대응에 대해 논의하는 내용을 담고 있습니다. AI가 블록체인과 다양한 토큰에 미치는 영향은 상당하며, 이는 AI와 블록체인 기술 간의 융합을 시사합니다. 개인이 자신만의 AI 시스템을 갖게 되면서 개인화가 점점 더 중요해질 것입니다. 반도체 산업은 AI 개발의 필요성에 따라 수요가 급증하고 있습니다. 엔비디아를 비롯한 여러 기업의 주가가 사상 최고치를 경신하며 AI .. 2024. 3. 31. 이전 1 2 다음 반응형
