Heeju.zip

인공지능, 딥러닝을 사용하려면 GPU 가속이 필수적입니다. 특히 NVIDIA 그래픽카드를 사용하는 경우 CUDA를 설치하여 GPU를 활용해야 합니다. 그러나 WSL2 환경에서 CUDA 및 cuDNN을 설정하는 과정은 다소 까다롭습니다.  과거 안전불감증을 가지고 있었던 저는 cuda와 기타 등등... 아무렇게나 지웠다 깔고 많은 시행착오 ( 그래픽카드 하나를 벽돌로 만들고 ) 를 겪으며 환경설정의 중요성과 강한 안전의식으로 환경설정에 많은 시간을 기울이는 편입니다. 환경설정의 스트레스는 겪어본 사람들만이 아는 고통이자 마약입니다. 이번에도 과거 깔아놓은 cuda와 기타 등등등을 처리하고 버전을 맞추며 많은 오류를 만나고 성장했습니다! 크크크 미리 PC 환경을 확인하고 올바른 버전의 CUDA 및 cuDNN..

환경설정을 할 때는 확실하게 해주는 편이 정신건강에 매우 이롭습니다. 하지만 간혹가다 페키지 충돌 이슈 등 다양한 변수가 발생한다면 cuda를 삭제하고 다시 설치해주어야하는데 이때 삭제도 확실히 해주어야합니다. 아래는 설치한 cuda 툴킷을 확실히 삭제하는 방법에 대한 글들을 정리해보았습니다. 1️⃣ 현재 설치된 CUDA 버전 확인 $ nvcc --version # 현재 사용 중인 CUDA 버전 확인nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2025 NVIDIA CorporationBuilt on Wed_Jan_15_19:20:09_PST_2025Cuda compilation tools, release 12.8, V12.8.61Build cuda_..

딥러닝 기술이 발전함에 따라 신경망의 깊이는 점점 더 깊어지고 있다. 과거에는 하드웨어 성능의 한계로 인해 복잡한 모델을 학습하는 것이 어려웠지만 최근 하드웨어의 발전으로 인해 신경망의 깊이가 급격히 증가하면서 인공지능이 비약적으로 발전하고 있는 중이다.   특히 VGGNet(2014)은 네트워크 깊이를 증가시켜 성능 향상을 위한 모델이지만 깊은 네트워크를 안정적으로 학습시키기 위해서는 강력한 GPU와 병렬 연산 기술이 필수적이었다. 따라서 컴퓨터 하드웨어의 발전이 VGGNet과 같은 딥러닝 모델의 성능 향상과 실용화에 엄청나게 중요한 역할을 했다고 볼 수 있다.   하드웨어의 성능이 더욱 향상되면서 ResNet(2015)과 같은 더 깊은 네트워크가 등장하였고 100층 이상의 신경망도 안정적으로 학습할 ..