1) 설치

https://www.anaconda.com/products/individual

아래 붉은 박스 오른쪽 클릭해서 주소 복사 후에

https://s3-us-west-2.amazonaws.com/secure.notion-static.com/fdc7f764-5837-4192-b67c-01154ec55d2d/Untitled.png

# Anaconda3-2021.05-Linux-x86_64.sh가 현재 폴더에 다운된다
$ wget <https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh>
# 설치 실행
bash Anaconda3-2021.05-Linux-x86_64.sh

2) conda 환경설정

# Anaconda3-2021.05-Linux-x86_64.sh가 현재 폴더에 다운된다
$ conda create --name <**ENVNAME**> anaconda python=3.8

conda create --name py38 anaconda python=3.8
conda create --name py39  python=3.9

# [<https://www.tensorflow.org/install/source#tested_build_configurations>](<https://www.tensorflow.org/install/source#tested_build_configurations>) 
에서 지원하는 cudnn, cudatoolkit 등등 확인후에 설치 

# Navy server의 경우 rtx3090 : cudnn > 8.0, cuda > 11.0 에서 작동. 
# 하지만 conda 에는 해당 버전 없음 conda-forge에서 검색 및 설치
$ conda search -c conda-forge cudnn
$ conda search -c conda-forge cudatoolkit

# 설정 확인 후에 "반드시" 한꺼번에!! 설치한다. 
# 따로따로 설치하면 설정이 꼬이거나 그 상황에서 적절한 환경으로 설치하기 때문에 나중에 실패함. 
$ conda install -c conda-forge cudnn=8.1.0.77 cudatoolkit=11.2.2

# tensorflow는 pip으로 설치!!
**(참고) <https://www.tensorflow.org/install/pip?hl=ko**>
$ pip install tensorflow==2.9.0  

# 환경변수 추가
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

3) gpu 설정 확인

# 주로 사용하는 코드 1
import tensorflow as tf
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
tf.config.list_physical_devices('GPU')

# 주로 사용하는 코드 2 : 인식한 GPU 개수 출력
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

4) 에러 처리

6) conda 가상환경 export/import

[Anaconda] 아나콘다 환경 export, import, clone 하기