[Artificial Intelligence / TensorFlow] Windows 환경에서 Docker를 이용하여 TensorFlow 설치

TensorFlow는 공식적으로 Mac과 Linux 환경에서 설치를 지원하며, 아직 공식적으로 Windows에 대한 지원을 하지 않는다.

그러나, 최근 가상 컨테이너 기술인 Docker를 이용하여 Windows 환경에서 TensorFlow를 설치할 수 있게 되었는데 이에 대한 방법을 알아보도록 하겠다.

1 단계 - Docker Toolbox 설치

Windows에 Docker Machine을 설치하려면,

(1) Windows 32/64 bit

(2) Windows 7+

(3) CPU 가상화가 가능

CPU 가상화가 가능하지는 MS에서 제공하는 가상화 감지 도구(Hardware-Assisted Virtualization Detection Tool)를 다운받고 실행해 본다.

실행하였을 때 아래 이미지와 같이 "This computer is configured with hardware-assisted virtualization"이라는 메시지가 나오면 가상화가 가능하다는 뜻이다.

만약 위와 같은 메시지가 나오지 않는 경우 BIOS 설정에서 관련 설정을 변경한다.

가령, GIGABYTE 마더보드의 경우,

[BIOS에서 가상화 설정하는 법]

- 부팅 후 F2를 눌러 BIOS 셋팅으로 진입

- Advanced Option(F7)을 누르고 Advance Option으로 진입

- CPU Configuration > Intel Virtualization (Enabled)로 변경

와 같이 설정하며, 다른 마더보드의 경우도 유사하게 설정할 수 있으리라 생각한다.

가상화가 가능하도록 설정이 되어 있으면, Window용 Docker Toolbox를 설치한다.

2 단계 - Docker Machine 생성

Docker Toolbox가 설치되면 아래 이미지와 같이 두 개의 어플리케이션이 등록된다.

이 중 Docker Quickstart Terminal을 실행한다.

Docker에 등록된 Machine 리스트를 확인하려면 다음과 같이 명령어를 입력한다:

$ docker-machine ls

현재 "default"라는 이름을 가진 Docker Machine이 하나 구동되고 있음을 알 수 있다.

이제 "tensorflow"라는 이름으로 Docker Machine을 생성하도록 한다:

$ docker-machine create tensorflow -d virtualbox

또는

$ docker-machine create tensorflow --driver virtualbox

다시 Docker Machine 리스트를 확인해 보면,

$ docker-machine ls

tensorflow라는 Docker Machine이 등록되어 실행되고 있음을 확인할 수 있다.

3 단계 - 환경변수 설정

Docker Machine Quickstart Terminal을 잠시 닫고, Windows Command Line Tool(콘솔)을 실행하여 TensorFlow 설치를 위한 환경변수를 설정한다.

> FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd tensorflow') DO %i

위의 명령줄에서 오렌지색으로 표기한 tensorflow는 방금 생성한 Docker Machine의 이름이다. 

나중에 Docker Machine을 다른 이름으로 생성한다면 이 부분을 바꾸어 입력한다.

4 단계 - TensorFlow 설치

Windows Command Line Tool에서 다음 명령을 입력하여 TensorFlow를 설치한다.

> docker run -it b.gcr.io/tensorflow/tensorflow:latest-devel

위와 같이 입력하면 TensorFlow 설치가 진행된다.

설치가 완료되면 Downloading 또는 Waiting이 Pull Complete로 변경되고, Docker Machine ID Prompt로 진입한다.

(해당 Docker-Machine ID는 기기에 따라 다르다.)

TensorFlow가 제대로 설치되어 있는지 확인하기 위해 Python을 실행하고 tensorflow 모듈을 불러보도록 한다:

root@2319305eddb7:~# python
Python 2.7.6 (default, Jun 22 2015, 17:58:13)                           
[GCC 4.8.2] on linux2                                                   
Type "help", "copyright", "credits" or "license" for more information.  
>>> import tensorflow as tf                                             
>>>                                                                     

위와 같이 tensorflow 모듈을 불러올 때 문제없이 Import 되면(아무런 에러 메시지가 없이) TensforFlow가 제대로 설치된 것이다.

다음 Python 명령줄에서 HelloWorld 예제를 실행해보도록 한다.

5 단계 - TensorFlow 재실행

일단 TensforFlow가 해당 Docker Machine에 설치되어 있으면 향후에는 다시 설치할 필요없이 TensorFlow를 사용할 수 있다.

우선 Windows Command Line Tool을 닫고 다시 실행한다.

Command Line에서 TensorFlow 환경을 재설정하고 docker run을 실행한다.

> FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd tensorflow') DO %i
> docker run -it b.gcr.io/tensorflow/tensorflow:latest-devel

이렇게 하면 이미 TensorFlow가 설치되어 있으므로 재설치하는 과정없이 TensforFlow를 사용할 수 있다.

6 단계 - Jupyter에서 실행하기

Jupyter Notebook에 TensorFlow를 실행환경을 구성해 보도록 한다.

우선 Windows Command Line Tool을 닫고 다시 실행한다.

TensorFlow 환경을 설정하고,

> FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd tensorflow') DO %i

Jupyter Notebook으로 TensorFlow가 실행되도록 한다:

> docker run -p 8888:8888 -p 6006:6006 -it b.gcr.io/tensorflow/tensorflow

Docker Quickstart Terminal에서 자신의 Docker Machine의 IP를 확인하고,
(아래 이미지는 예를 든 것이며, IP는 자신의 Machine에 따라 다르다.)

Web Browser의 주소창에 다음과 같이 입력한다.

http://{YOUR_DOCKER_MACHINE_IP}:8888

가령 위의 이미지와 같이 해당 Docker Machine의 IP가 192.168.99.101이라면,

와 같으며, 해당 주소로 이동하면 Jupyter Notebook이 실행되는 것을 확인할 수 있을 것이다.

Jupyter가 실행되면 기본적으로 3개의 TensorFlow 예제가 Markdown 형식으로 제공된다.

참고 - Docker Machine 중지 및 삭제

만약 해당 Docker Machine을 중지하려면 Docker Machine Quickstart Terminal에서 다음과 같이 입력한다.

$ docker-machine stop tensorflow

해당 Docker Machine을 삭제하려면 Docker Machine Quickstart Terminal에서 다음과 같이 입력한다.

$ docker-machine rm tensorflow

Docker Machine 삭제 후 리스트를 확인해 보면 리스트에서 해당 Docker Machine이 사라졌음을 확인할 수 있을 것이다.

이로써 Windows에서 Docker를 이용하여 TensorFlow를 설치하고 사용할 수 있게 되었다.

모두들 TensorFlow를 열심히 활용하여 Data Flow Graph를 이용한 수치 계산(특히 Machine Learning)의 대가가 되도록 하자.