Python Pytorch 강좌 : 제 1강 - PyTorch 소개 및 설치

PyTorch

PyTorch는 오픈소스 머신 러닝 라이브러리입니다.

Torch를 기반으로 하여 Facebook(현 Meta)의 인공지능 연구팀이 개발했습니다.

2022년에는 프로젝트가 리눅스 재단(Linux Foundation) 산하의 PyTorch 재단(PyTorch Foundation)으로 이관되어, 현재는 특정 기업이 아닌 재단 중심으로 운영되고 있습니다.

자연어 처리를 비롯해 이미지 프로세싱과 같은 애플리케이션을 위해 사용됩니다.

Python에 친화적인 라이브러리로 간결하고 구현이 빨리되며, 사용자가 익히기 쉽습니다.

Define by Run 방식을 기반으로 하여 연산을 실행하는 시점에 그래프가 구성되므로, 중간 결괏값을 바로 확인하고 디버깅할 수 있습니다.

자동 미분 모듈, 최적화 모듈, 이미지 처리 모듈, 오디오 처리 모듈 등 머신 러닝 및 딥 러닝을 위한 다양한 모듈을 제공합니다.

또한, PyTorch 2.0 이상에서는 torch.compile() 함수로 기존 코드를 거의 그대로 둔 채 모델을 컴파일하여 실행 속도를 높일 수 있습니다.

PyTorch는 클라우드 플랫폼(Amazon Web Services, Google Cloud Platform 등)에서도 손쉽게 적용할 수 있습니다.

가상 환경 설정

PyTorch는 프로젝트마다 버전이 달라지는 경우가 많으므로, 가상 환경(Virtual Environment)을 만들어 설치하는 것이 좋습니다.

가상 환경을 사용하면 서로 간섭 없이 개별적으로 유지 관리하고 실행할 수 있는 여러 실행 환경을 쉽게 관리할 수 있습니다.

Python에 기본으로 포함된 venv 모듈로 가상 환경을 생성할 수 있습니다.

PyTorch 2.14.1은 Python 3.10 이상을 요구합니다.

python -m venv .venv

# Windows
.venv\Scripts\activate

# Linux, macOS
source .venv/bin/activate

python -m venv {경로}로 가상 환경을 생성한 다음, 운영체제에 맞는 명령어로 가상 환경을 활성화합니다.

아나콘다(Anaconda)나 Miniconda를 사용한다면 conda create로 가상 환경을 만들어도 됩니다.

단, 가상 환경만 conda로 만들고 PyTorch는 아래의 pip 명령어로 설치합니다.

• Tip : 아나콘다의 pytorch 채널은 2.5.1 버전에서 갱신이 멈췄으므로, conda install ... -c pytorch 명령어로는 최신 버전의 PyTorch를 설치할 수 없습니다.

PyTorch CPU 설치

PyTorch는 pip(Package Installer for Python)를 통해 설치합니다.

PyTorch는 다양한 모듈을 제공하며, 대표적으로 다음과 같은 라이브러리가 있습니다.

1. torch : 자동 미분 시스템에 구축된 심층 신경망 라이브러리

2. torchvision : 컴퓨터 비전을 위한 데이터 세트, 모델, 이미지 변환 라이브러리

3. torchaudio : 오디오 및 신호 처리를 위한 라이브러리

pip에서 PyTorch 본체의 패키지 이름은 pytorch가 아닌 torch입니다.

PyTorch CPU 버전은 다음과 같은 명령어를 통해 설치가 가능합니다.

pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu

--index-url은 패키지를 내려받을 저장소를 지정합니다.

PyTorch는 연산 장치별로 저장소를 나누어 휠(Wheel)을 배포하며, .../whl/cpu는 CPU 전용 휠을 제공하는 저장소입니다.

• Tip : pip install pytorch torchvision torchaudio cpuonly는 잘못된 명령어입니다. pip에서는 torch가 올바른 패키지 이름이며, cpuonly는 conda 전용 패키지이므로 pip로 설치할 수 없습니다.
• Tip : torchaudio는 별도의 버전 체계로 배포되며, 2026년 10월 기준 PyPI의 최신 버전은 2.11.0입니다. 오디오 처리가 필요한 경우에만 추가로 설치합니다.

PyTorch GPU 설치

PyTorch GPU는 NVIDIA GPU와 CUDA를 활용해 연산을 가속합니다.

pip로 배포되는 CUDA 버전 휠에는 실행에 필요한 CUDA 라이브러리가 함께 제공되므로, 별도로 CUDA Toolkit이나 cuDNN을 설치하고 환경 변수를 등록할 필요가 없습니다.

대신 현재 사용하고 있는 GPU의 드라이버를 최신 버전으로 업데이트해야 합니다.

GPU가 지원하는 CUDA Compute Capability는 아래 링크에서 확인할 수 있습니다.

GPU 사양 확인하기

NVIDIA 드라이버 업데이트하기

CUDA 버전 선택

PyTorch 2.14.1은 CUDA 12.6, CUDA 13.0, CUDA 13.2 버전의 휠을 제공합니다.

설치할 CUDA 버전에 맞는 저장소를 --index-url로 지정합니다.

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu130

위 명령어는 CUDA 13.0 버전의 휠을 설치합니다.

cu130을 cu126이나 cu132로 바꾸면 해당 CUDA 버전의 휠이 설치됩니다.

GPU 드라이버가 지원하는 CUDA 버전은 커맨드 창에서 nvidia-smi를 입력해 출력되는 CUDA Version 항목으로 확인할 수 있습니다.

드라이버가 지원하는 CUDA 버전보다 높지 않은 휠을 선택합니다.

• Tip : 지원 버전과 설치 명령어는 PyTorch 버전마다 달라지므로, PyTorch 공식 홈페이지의 설치 선택 화면에서 함께 확인합니다.
• Tip : Intel GPU용 xpu 휠도 https://download.pytorch.org/whl/xpu 저장소로 제공됩니다.

결과 확인

import torch

print(torch.__version__)
print(torch.cuda.is_available())
print(torch.backends.mps.is_available())

결과

2.14.1+cpu
False
False

현재 PyTorch의 버전과 GPU 사용 가능 여부가 출력됩니다.

위 결과는 CPU 버전을 설치한 Windows 환경의 결과입니다. 버전 뒤의 +cpu는 설치한 휠의 종류를 의미하며, CUDA 13.0 휠을 설치했다면 2.14.1+cu130의 형태로 출력됩니다.

torch.cuda.is_available()은 NVIDIA GPU(CUDA)를 사용할 수 있는지 반환합니다.

torch.backends.mps.is_available()은 Apple Silicon Mac의 MPS(Metal Performance Shaders) 가속을 사용할 수 있는지 반환합니다.

만약, GPU 버전으로 설치하였는데 torch.cuda.is_available()의 값이 거짓(False) 값으로 나온다면 먼저 torch.__version__이 +cpu로 끝나는지 확인합니다.

+cpu로 끝난다면 CPU 전용 휠이 설치된 것이므로, pip uninstall torch torchvision으로 제거한 다음 --index-url을 CUDA 저장소로 지정해 다시 설치합니다.

+cu130과 같이 CUDA 휠이 설치되어 있다면 nvidia-smi로 드라이버가 정상적으로 설치되었는지, 드라이버가 지원하는 CUDA 버전이 휠의 버전 이상인지 확인합니다.