AI 개발 환경

1. 하드웨어 환경

• 클라우드/원격 환경
  • Google Colab: 무료 GPU 지원
  • Kaggle Notebook: GPU 사용 가능, 대회 중심
  • AWS, GCP, Azure: 상용 서비스, 고사양 GPU 사용 가능
  • Paperspace, Lambda Labs: 딥러닝 전문 GPU 클라우드

2. 소프트웨어 환경

2.1. 가상 환경

• Miniconda: 패키지 관리 및 환경 관리를 위한 오픈 소스 툴

• 가상 환경의 중요성

  • 의존성 충돌 방지
  • 재현 가능성 및 이식성
  • 개발 및 디버깅 편의성
  • 자동화 및 배포 용이성

(1) 가상 환경 관리

# 가상 환경 생성
conda create -n torch271 python=3.12
 
# 가상 환경 활성화
conda activate torch271
 
# 가상 환경 비활성화
conda deactivate
 
# 가상 환경 목록 보기
conda env list
 
# 가상 환경 삭제
conda remove -n torch271 --all
 
# 환경 내보내기
conda env export > environment.yml
 
# 환경 불러오기
conda env create -f environment.yml

(2) 패키지 관리

# 패키지 설치
conda install pandas
 
# 패키지 삭제
conda remove numpy
 
# 패키지 목록 확인
conda list
 
# 패키지 업데이트
conda update pandas

2.2. 개발 언어 및 라이브러리

• 왜 Python인가?

  • 처리 속도는 느리지만 prototyping은 빠르다.
  • python은 front를 담당하고 C++/CUDA가 핵심 계산인 back을 수행한다.
  • 딥러닝은 행렬 계산이 많기 때문에 numpy 지원이 유리하다.

• PyTorch

  • Meta에서 개발한 오픈소스 딥러닝 프레임워크
  • 딥러닝 모델의 개발 및 연구에 사용
  • GPU 가속 지원: NVIDIA CUDA 지원을 통해 빠른 연산을 수행
  • 풍부한 생태계: 다양한 오픈소스 라이브러리(TorchVision, TorchText, TorchAudio)

3. 개발 도구

• 통합 개발 환경(IDE)

  • Jupyter Notebook
  • Visual Studio Code

• Sublime Text

4. 버전 관리 및 협업

4.1. 버전 관리

• git & github

4.2. 협업

• Notion