개발 창고/Server

4차시 – AI 개발 환경 구성: Anaconda, Jupyter Notebook, GPU 설정하기

Royzero 2025. 8. 13. 22:00
반응형

1. 왜 AI 개발 환경 구성이 중요한가?

AI 프로젝트를 시작하기 전, 개발 환경을 올바르게 설정하는 것은 모델 학습만큼 중요합니다.
환경 구성이 잘못되면 다음과 같은 문제가 발생할 수 있습니다.

  • 라이브러리 버전 충돌
  • GPU가 인식되지 않아 학습 속도 저하
  • 코드 실행 환경이 다른 팀원과 달라 재현 불가능

1.1 환경 구성 목표

  1. 독립된 Python 실행 환경 구성
  2. 필수 라이브러리 설치
  3. GPU(CUDA) 설정
  4. 코드 작성과 실행을 편리하게 하는 도구 준비

2. 필수 도구 개요

2.1 Anaconda

  • Python 환경과 패키지 관리를 한 번에 할 수 있는 툴
  • 프로젝트별 가상환경을 만들어 라이브러리 충돌 방지

2.2 Jupyter Notebook

  • 웹 브라우저에서 Python 코드를 작성·실행할 수 있는 대화형 환경
  • 데이터 분석과 실험 기록에 최적

2.3 GPU (CUDA + cuDNN)

  • 대규모 딥러닝 학습 속도를 CPU 대비 수십~수백 배 향상
  • NVIDIA GPU 기반 CUDA 환경 필요

3. Anaconda 설치 및 환경 만들기

Anaconda 다운로드: https://www.anaconda.com/download

  1. 설치 후 터미널(또는 Anaconda Prompt) 실행

  2. 새로운 가상환경 생성

    conda create -n ai_env python=3.10
  3. 환경 활성화

    conda activate ai_env
  4. 필수 라이브러리 설치

    conda install numpy pandas matplotlib scikit-learn
    pip install tensorflow torch

4. Jupyter Notebook 설치 및 실행

  1. 설치

    conda install jupyter
  2. 실행

    jupyter notebook
  3. 브라우저에서 http://localhost:8888 접속

  4. 새로운 Python 노트북 생성 후 코드 실행 가능


5. GPU 환경 설정 (NVIDIA 기준)

5.1 CUDA와 cuDNN 설치

  1. CUDA Toolkit 다운로드: https://developer.nvidia.com/cuda-downloads
  2. cuDNN 다운로드: https://developer.nvidia.com/cudnn
  3. 설치 후 환경변수에 CUDA_PATH 등록

5.2 GPU 인식 확인 (TensorFlow 예시)

import tensorflow as tf
print("TensorFlow version:", tf.__version__)
print("GPU available:", tf.config.list_physical_devices('GPU'))

출력 예시

TensorFlow version: 2.15.0
GPU available: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

6. 실습 – 환경 검증 노트북 만들기

Jupyter Notebook에서 다음 코드를 실행해봅니다.

import numpy as np
import tensorflow as tf
import torch

print("NumPy version:", np.__version__)
print("TensorFlow GPU:", tf.config.list_physical_devices('GPU'))
print("PyTorch GPU:", torch.cuda.is_available())
print("PyTorch CUDA version:", torch.version.cuda)

예상 출력

NumPy version: 1.26.4
TensorFlow GPU: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
PyTorch GPU: True
PyTorch CUDA version: 12.1

7. 오늘의 핵심 요약

  • Anaconda로 프로젝트별 독립 Python 환경 구성
  • Jupyter Notebook으로 대화형 코딩 가능
  • GPU 설정은 학습 속도에 큰 영향을 미침
  • 설치 후 반드시 환경 검증 코드를 실행해 GPU 동작 확인
반응형