[PyTorch] m1 맥에 GPU 사용 Pytorch 설치 및 에러 해결 / ERROR: Could not find a version that satisfies the requirement torch

1. Pytorch 이란

PyTorch

PyTorch는 주로 신경망같은 기계 학습 모델을 개발하고 훈련하는 데 사용되는 오픈 소스 머신 러닝 라이브러리이다. Facebook AI 리서치팀이 개발했으며 Python으로 작성되어 다른 Python 라이브러리 및 프레임워크와 쉽게 통합할 수 있다.

PyTorch의 몇 가지 주요 기능

1. 동적 계산 그래프
   다른 딥 러닝 라이브러리에 비해 PyTorch의 가장 큰 장점 중 하나는 dynamic computational graph이다. 계산 그래프는 런타임 중에 즉시 생성되므로 더 많은 유연성을 제공하고 코드를 더 쉽게 디버깅할 수 있다. 이는 사전에 정의되어야 하는 정적 계산 그래프를 사용하는 Tensorflow와 같은 라이브러리와는 대조적이다.
2. 더 쉬운 디버깅
   PyTorch의 동적 계산 그래프를 사용하면 코드를 더 쉽게 디버깅할 수 있다. 런타임에 계산 그래프를 볼 수 있기 때문에 오류가 발생하는 위치를 빠르게 식별하고 수정할 수 있다. 이것은 심층 신경망을 개발하고 훈련할 때 많은 시간을 절약할 수 있다.
3. 더 직관적인 구문
   PyTorch의 구문은 TensorFlow와 같은 다른 딥 러닝 라이브러리보다 직관적이다. PyTorch가 Python을 중심으로 구축되어 있고, 구문이 Python 코드와 더 유사하도록 설계되었기 때문이다. 이것은 특히 Python에 익숙한 개발자들에게 PyTorch 코드를 더 쉽게 읽고 이해할 수 있게 해준다.
4. GPU에 대한 기본 지원
   PyTorch는 GPU에 대한 지원을 기본적으로 제공하므로 CPU에서만 실행되는 것보다 빠르고 효율적이다. 따라서 대규모 데이터 세트에서 심층 신경망을 훈련하는 데 적합하다.

TensorFlow보다 PyTorch를 사용해야 하는 이유는 실제로 사용자의 특정 사용 사례와 개인 선호도에 따라 다르다. 텐서플로우도 여전히 매우 인기 있고 널리 사용되는 딥 러닝 라이브러리이며, 자체적인 강점과 장점을 가지고 있다. 하지만 앞서 언급한 바와 같이 Pytorch의 코드는 Tensorflow보다 직관적이고 디버깅이 쉽다. 또한 다른 라이브러리 및 프레임워크와 호환성이 높기 때문에 학계와 산업계의 연구자들이 딥러닝 및 관련 분야의 첨단 연구에 많이 사용한다. 이제 Pytorch 사용하는 법을 알아보자.

---

2. Pytorch 설치 및 디버깅

PyTorch는 여러 라이브러리의 버전 의존성이 높은 편이므로 먼저 가상 환경을 구축해주면 나중에 관리하기 편하다. 가상 환경을 구축하는 자세한 방법은 아래 글을 참조하자.

[Python] 파이썬 가상환경 구축 / Build a Virtual Environment

[Python] 파이썬 가상환경 구축 / Build a Virtual Environment

테스트 용으로 test이름의 가상 환경을 적당한 디렉토리에 구축해보자. 나는 기존에 여러 프로젝트를 작업하던 폴더인 Workspace/python/에 test폴더를 만들었다.

cd Workspace/python/
python3 -m venv test

이제 만들어진 test가상 환경을 활성화하자.

source test/bin/activate

이제 PyTorch 공식 웹사이트에서 자신의 환경에 맞는 것을 선택하여 터미널에 설치 스크립트를 입력하자.

PyTorch 공식 웹사이트 화면

PyTorch Build는 Prewiew 버전이 더 최신이지만 호환성 문제가 발생할 수 있기 때문에 Stable을 사용하자. OS는 각자 사용 중인 환경에 맞게, Package는 Conda을 더 추천하지만 Pip도 문제는 없다. 나머지를 선택하고 커맨드를 터미널이나 프롬프트에 입력하자.

pip3 install torch torchvision torchaudio

이제 자동으로 PyTorch 설치가 진행될 것이다.

이렇게 PyTorch을 설치하고 잘 돌아가는지 확인한 다음 글을 마치려고 했다.

그렇게 생각했었으나

설치 중 에러가 발생할 경우

PyTorch 설치 중 한 번도 경험해보지 못한 에러가 발생하였다.

$ pip3 install torch torchvision torchaudio
ERROR: Could not find a version that satisfies the requirement torch (from versions: none)
ERROR: No matching distribution found for torch

파이썬 버전 문제로 인한 에러 발생

원인을 알아보니 파이썬이 너무 최신 버전(3.11.2)이어서 호환성에 문제가 생긴 것이라고 한다. 이 문제를 해결하려먼 이전 버전의 파이썬을 설치한 다음 이전 버전의 파이썬으로 가상 환경을 만들어야 한다. 이전 버전의 파이썬은 Python 공식 웹사이트에서 Looking for a specific release? 항목에서 받을 수 있다.

이전 버전의 파이썬

나는 파이썬 3.11 버전을 사용하기 전에는 파이썬 3.8을 사용하였기 때문에 3.8 버전을 다운받아 설치했다. 파이썬을 설치하는 방법은 다음 링크를 참조하자.

[Python] 파이썬3 설치하기 / Installing Python3

[Python] 파이썬3 설치하기 / Installing Python3

이전 버전의 파이썬 설치를 완료했으면 그 버전의 파이썬으로 돌아가는 가상 환경을 구축해야 한다. 가상 환경을 만들 폴더에 들어간 후 다음 명령어를 입력해준다. 가상 환경의 이름은 torch로 정했다.

python3.8 -m venv torch

이번에는 특정 버전을 지정하기 위해 python3.8으로 가상 환경 만드는 스크립트를 입력했다. 다른 버전의 파이썬을 설치하였다면 그 버전의 파이썬 버전을 입력하면 된다. 이제 가상환경을 활성화하자.

source torch/bin/activate

이제 파이썬을 실행시켜서 파이썬의 버전을 확인해보자.

위의 스크린샷은 python3.8 -m venv torch로 이미 가상환경을 구축해놓은 상태에서 환경 별 파이썬 버전 비교를 위해 캡쳐한 것이다.

성공적으로 가상 환경을 구축하였다. 이제 다시 PyTorch을 설치하는 커맨드를 실행하자.

pip3 install torch torchvision torchaudio

설치가 완료되면 파이썬을 실행한다음 import torch로 PyTorch 라이브러리를 불러오자. 그 다음 GPU에서 연산이 가능한지도 확인해보자.

python

이제 파이썬 3.11이 아닌 파이썬 3.8이 실행되었다. 다음 코드를 실행해보자.

import torch					# import PyTorch
print(torch.__version__)			# 설치된 PyTorch 버전 확인
print(torch.backends.mps.is_built())		# 설치된 PyTorch가 mps backend을 지원하는지
print(torch.backends.mps.is_available())	# 사용자의 기기에 사용 가능한 mps 장치가 있는지

설치된 PyTorch가 잘 작동하는지 확인

이렇게 맥북에서 GPU 가속이 가능한 PyTorch가 설치되었다. 참고로 Nvidia GPU에서 cuda을 사용하듯이 m1칩에서는 mps을 사용한다.

 

코딩과 관련된 자세한 내용은 추후에 작성해보겠다.