김개발의 생명정보학

OS : Ubuntu 20.04 LTS GPU Device : RTX 3090 2대 연구를 하면서 Tensorflow 1버전을 사용한 딥러닝 모델 코드를 RTX 3090 환경에서 수행을 해야 하는 상황이 되었다. 그런데 RTX 3090가 인식하는 CUDA의 가장 낮은 버전은 11.1인데 Tensorflow1.x은 CUDA 버전이 10인 환경에서 수행이 가능하다. 본론부터 말하자면 NGC(Nvidia GPU Cloud)를 사용하여 문제를 해결했다. 아래는 내 도커 파일의 일부이다. ######### 1. NGC의 Tensorflow 공식 이미지 ARG BASE_IMAGE=nvcr.io/nvidia/tensorflow:20.10-tf1-py3 FROM $BASE_IMAGE WORKDIR /workspace ..

이 이야기는 졸업을 한달 남짓밖에 남지 않았던 나에게 닥친 GPU 세팅에 관한 대서사시이다. 우리 랩실에는 여러 대의 서버가 있지만 그 중 한대가 말썽을 일으켰다. 그 서버의 OS는 Ubuntu 20.04.6 LTS 를 사용 중이고 GPU는 아래와 같이 세개를 사용 중이다. NVIDIA GeForce RTX 2080 Ti NVIDIA GeForce RTX 3090 NVIDIA GeForce RTX 3090 지금 하고 있는 프로젝트를 도커 이미지로 배포하기 위해서 Docker도 사용 중인데, 시스템 재부팅 이후로 docker run이 되지 않는 것이다!!! 근데 docker run이 아니라 docker run --gpus 옵션이 안먹는 거였음 ㅋ 하지만 난 딥러닝 모델을 써야하는걸? GPU를 써야하는걸? ..

# docker image를 tar 파일로 save docker save -o 도커파일명.tar 도커이미지이름 # docker image tar파일로 sif로 생성 singularity build 파일명.sif docker-archive://도커파일명.tar # singularity 컨테이너 실행(--nv는 GPU 사용을 위한 옵션임) singularity shell --bind /proc:/proc --nv 파일명.sif

nvidia-smi --query-gpu=gpu_name --format=csv # name # NVIDIA GeForce RTX 3090

# CUDA 버전 확인 nvcc --version # cuDNN 버전 확인 cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2