[jupyter notebook]conda 가상환경 생성 및 jupyter notebook에 연결하기

코딩할 때 사용하는 라이브러리의 버전은 매우 중요하다. 함수 형태가 바뀔 가능성이 있는 것은 물론 이전 버전에서 멀쩡히 존재하던 함수가 최근 업데이트 된 버전에서 없어지는 일도 있다. 이런 예시로는 tensorflow가 있다. 딥러닝에서 자주 사용되는 라이브러리 중 하나인 keras는 tensorflow 2.0이 나오면서 아예 그 안에 포함된 상태(tf. keras)가 되었다.

 

단순하게 보면 가장 최근에 나온 버전의 라이브러리를 쓰는 것이 좋아보일지 모르지만, 과거에 작성한 코드를 참고해야 하거나 아직 해당 버전의 라이브러리가 보편적으로 쓰이지 않아 구글링이 용이하지 않을 때, 혹은(이게 가장 큰 이유일지도 모른다) 내게 예전 버전의 라이브러리가 더 쓰기 편할 때는 과거에 나온 버전을 더 선호하게 된다.

 

결국 케바케라는 것인데, 여기서 고민이라고 할까 어떤 욕심이 슬그머니 생긴다. 과거 버전의 라이브러리, 최근에 나온 라이브러리가 설치된 환경을 만들어 놓고, 필요한 상황에 따라 바로바로 바꿔서 써볼 순 없을까? 있다. 없으면 이 문서를

만들지도 않았을 것이다. 지금부터 작업 효율을 올려줄, 원래 개발환경과 다른 별도의 가상환경을 만들어보자.

 

1. cmd에서 가상환경 만들기

이하 코드는 Anaconda prompt가 아닌 cmd를 기준으로 한다.

$ cd / # C 드라이브로 이동 
$ cd Users #사용자 폴더로 이동 
$ cd "사용자 id"

$ conda create -n "가상환경 이름" "설치하고 싶은 라이브러리" # ex) conda create -n gpu_env python==3.7.3 
$ conda info --env # 설치된 가상환경 확인 # conda info --envs도 실행 결과는 동일

$ conda activate "가상환경 이름" # 가상환경 실행 # ex) conda activate gpu_env 
$ conda install "가상환경에 설치할 라이브러리 이름" # 라이브러리 설치 코드 1 # 1, 2중 어느 것을 써도 상관없음! 
$ pip install "가상환경에 설치할 라이브러리 이름" # 라이브러리 설치 코드 2 

$ conda deactivate # 가상환경 실행 종료

# 가상환경을 삭제하고 싶을 때 
$ conda remove -n "가상환경 이름" --all # ex) conda remove -n gpu_env --all # 완전히 가상환경을 삭제하기 위해서는 anaconda/env 경로 안의 해당 가상환경 폴더까지 제거해야 함

 

2. jupyter notebook에 kernel 추가하기

jupyter notebook에서 바로 새로운 가상환경에 접속할 수 있도록 별도의 커널을 추가한다. 원래 위처럼 만든 가상환경에 접속하기 위해서는 cmd를 통해 가상환경을 만들어둔 위치로 이동하고, conda activate 명령어를 이용해야 활성화할 수 있다. 하지만 그 방법 대신 jupyter notebook에 커널을 추가하는 것으로 손쉽게 가상환경을 활성화시킬 수 있다.

# jupyter notebook 설치 
$ conda install jupyter notebook # kernel 추가를 위한 라이브러리 ipykernel 포함 
$ python -m ipykernel install --user --name "가상환경 이름" --display-name "[jupyter notebook에서 표시될 이름]" # ex) python -m ipykernel install --user --name gpu_env --display-name "[tensorflow-gpu:2.1.0]"

# 추가한 kernel을 삭제하고 싶을 때 
$ jupyter kernelspec uninstall "가상환경 이름" # ex) jupyter kernelspec uninstall gpu_env

 

아래는 노트북의 GPU를 사용하기 위한 'tf-gpu:2.1.0'이라는 이름의 가상환경 커널을 추가한 모습이다. 이 가상환경에서 파일 설치, 설정만 잘 해둔다면 따로 cmd를 켤 필요 없이 커널을 바꾸는 것만으로도 손쉽게 gpu를 사용할 수 있다.