우분투 환경에서 miniconda + conda-forge 환경

Anaconda vs miniconda? 한 환경에서만 쓰고, 호환성 충돌 걱정 없음 → Anaconda도 Miniconda도 없어도 됨 (Ubuntu Python + pip만으로 OK). 편하게 대부분 패키지가 기본 설치된 걸 원한다 → Anaconda 필요한 것만 깔끔하게 설치/관리하고 싶다, 나중에 환경 여러 개 만들 수도 있다 → Miniconda 👉 정리하면: 환경을 안 나눈다 → Anaconda/Miniconda 없어도 됨. 환경 나눌 수도 있다 → Miniconda 권장. 환경 안 나눠도 되는데 패키지 설치 귀찮다 → Anaconda. 0) Miniconda 설치 (아직 안 했다면) # 최신 Miniconda 설치 스크립트 받기 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh # 실행 권한 부여 chmod +x Miniconda3-latest-Linux-x86_64.sh # 설치 진행 (프롬프트에 yes, conda init 수락) ./Miniconda3-latest-Linux-x86_64.sh # 설치하는 도중 참고할 사항 기본적으로 Miniconda는 터미널 열 때마다 자동으로 base 환경을 활성화합니다. 이게 불편한 사람들도 있어서(프로젝트별로 다른 env를 주로 쓰는 경우), conda config --set auto_activate_base false 이걸 설정하면 터미널 시작 시 base가 자동으로 안 켜집니다. 질문 부분 You can undo this by running conda init --reverse $SHELL ? [yes|no] 여기서 묻는 건: “conda init을 적용해서 shell 시작 시 conda가 활성화되도록 할까요?” 라는 의미예요. yes: 터미널 시작 시 자동으로 conda 초기화 + base 활성화 no: conda는 수동으로 활성화해야 함 (conda activate base 또는 다른 env 이름) # 초기화 ~/miniconda3/bin/conda init exec $SHELL 1) (선택) base는 가볍게 유지 base는 가능한 비워두는 걸 권장합니다. 그래도 “다목적용”으로 쓰고 싶다면 최소 유틸만 깔아두세요. # (선택) conda 최신화 conda update -n base -c conda-forge conda -y 2) 다목적용 파이썬 환경 (프로젝트용 일반 환경) # 환경 만들기 (이름: pygen, 파이썬 3.12 권장) conda create -n pygen -y python=3.12 numpy scipy pandas matplotlib seaborn scikit-learn numba jupyterlab ipykernel # 활성화 conda activate pygen 3) TDA용 환경 (Gudhi + BallMapper) # 환경 만들기 conda create -n tda -y python=3.12 gudhi numpy scipy pandas matplotlib numba ipykernel # 활성화 conda activate tda # BallMapper는 PyPI에서 설치 pip install pyBallMapper 4) PyTorch용 환경 👉 GPU를 쓰는지 여부에 따라 택1 하세요. (A) CPU 전용 PyTorch conda create -n torch -y python=3.12 pytorch torchvision torchaudio cpuonly -c pytorch -c conda-forge conda activate torch python -m ipykernel install --user --name torch --display-name "Python (torch CPU)" (B) GPU(CUDA)용 PyTorch NVIDIA 드라이버가 설치되어 있어야 합니다. (보통 최신 드라이버면 OK) pytorch-cuda=12.4는 예시이며, 원하는 CUDA 버전에 맞춰 바꿀 수 있어요. conda create -n torch -y python=3.12 pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia -c conda-forge conda activate torch python -m ipykernel install --user --name torch --display-name "Python (torch CUDA)" (B)의 경우 (Pytorch + CUDA): 1️⃣ NVIDIA 드라이버 설치 여부 확인 터미널에서: nvidia-smi 정상이라면 GPU 정보(모델명, 드라이버 버전, CUDA 버전 등)가 표로 출력됩니다. 만약 command not found 또는 NVIDIA-SMI has failed 같은 에러가 나오면 드라이버가 없거나 비정상입니다. 2️⃣ 드라이버 설치 (Ubuntu 기준) 그래픽 드라이버 PPA 업데이트 sudo apt update sudo apt install -y ubuntu-drivers-common 추천 드라이버 확인 ubuntu-drivers devices --> 현재 컴퓨터의 경우 아래와 같은 결과가 나옴 == /sys/devices/pci0000:00/0000:00:01.1/0000:02:00.0 == modalias : pci:v000010DEd00001C30sv0000103Csd000011B3bc03sc00i00 vendor : NVIDIA Corporation model : GP106GL [Quadro P2000] driver : nvidia-driver-535-server - distro non-free driver : nvidia-driver-570 - distro non-free driver : nvidia-driver-535 - distro non-free driver : nvidia-driver-550 - distro non-free recommended driver : nvidia-driver-470 - distro non-free driver : nvidia-driver-580-server - distro non-free driver : nvidia-driver-470-server - distro non-free driver : nvidia-driver-580 - distro non-free driver : nvidia-driver-570-server - distro non-free driver : xserver-xorg-video-nouveau - distro free builtin recommended 로 설치하기. sudo apt install -y nvidia-driver-550 재부팅 sudo reboot 재부팅 후 다시 확인: nvidia-smi