맥에서 케라스 설치하기

맥에서 케라스 개발 환경을 구축하는 방법에 대해서 알아보겠습니다. 진행순서는 다음과 같습니다.

프로젝트 디렉토리 만들기
가상 개발환경 만들기
웹기반 파이썬 개발환경인 주피터 노트북 설치
주요 패키지 설치
딥러닝 라이브러리 설치
설치 환경 테스트 해보기
딥러닝 엔진 바꾸기
다시 시작하기
오류 대처

프로젝트 디렉토리 만들기

사용자 로컬 디렉토리에서부터 시작하겠습니다. 아래 명령을 입력하면 사용자 로컬 디렉토리로 이동합니다.

$ cd ~

“Projects”라는 폴더를 생성 뒤 이동합니다.

~ $ mkdir Projects
~ $ cd Projects
Projects $ _

케라스 프로젝트를 하나 생성합니다. 이름은 “keras_talk”라고 해보겠습니다.

Projects $ mkdir keras_talk
Projects $ cd keras_talk    
keras_talk $ _

가상 개발환경 만들기

프로젝트별로 개발환경이 다양할 수 있기 때문에 가상환경을 이용하면 편리합니다. 위에서 생성한 프로젝트에 가상 환경을 구축해보겠습니다. 가상환경을 제공하는 virtualenv을 먼저 설치하겠습니다. 이 과정은 프로젝트 별로 할 필요는 없고, 시스템에 한 번만 수행하면 됩니다.

keras_talk $ sudo pip install virtualenv

virtualenv를 설치했다면 실제 가상환경을 만들겠습니다. ‘ls’ 명령어를 입력하면, 프로젝트 폴더 내에 ‘venv’라는 폴더가 생성됨을 확인 할 수 있습니다.

keras_talk $ virtualenv venv
...
Installing setuptools, pip, wheel...done.
keras_talk $ ls
venv

가상환경을 만들었으니 가상환경을 실행하겠습니다. ‘(venv)’ 라는 문구가 입력창에 보이면 성공적으로 가상환경이 실행된 것입니다.

keras_talk $ source venv/bin/activate 
(venv) keras_talk $ _

웹기반 파이썬 개발환경인 주피터 노트북 설치

주피터 노트북은 파이썬 코드를 웹 환경에서 작성 및 실행시킬 수 있도록 제공하는 툴입니다. pip 툴을 이용하여 주피터 노트북을 설치합니다.

(venv) keras_talk $ pip install ipython[notebook]

“Your pip version is out of date, …“이라는 에러가 발생하면 pip 버전을 업그레이드 한 후 다시 설치합니다.

(venv) keras_talk $ pip install --upgrade pip
(venv) keras_talk $ pip install ipython[notebook]

주피터 노트북을 다음 명령으로 실행시킵니다.

(venv) keras_talk $ jupyter notebook

정상적으로 설치되었다면 웹 브라우저가 실행되면서 아래와 같은 페이지가 띄워집니다.

계속 다른 패키지를 설치하기 위해 터미널 창에서 ‘Control-C’를 누른 뒤 ‘y’를 입력하여 ipython notebook를 종료시킵니다.

Shutdown this notebook server (y/[n])?  y
(venv) keras_talk $ _

주요 패키지 설치

케라스를 사용한 데 있어서 필요한 주요 패키지를 다음 명령을 통해서 설치합니다.

(venv) keras_talk $ pip install numpy
(venv) keras_talk $ pip install scipy
(venv) keras_talk $ pip install scikit-learn
(venv) keras_talk $ pip install matplotlib
(venv) keras_talk $ pip install pandas
(venv) keras_talk $ pip install pydot
(venv) keras_talk $ pip install h5py

pydot은 모델 가시화할 때 필요한 것인데 이를 사용하려면, graphviz가 필요합니다. brew라는 툴을 이용해서 graphviz를 설치하기 위해 brew를 먼저 설치합니다.

(venv) keras_talk $ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
(venv) keras_talk $ brew install graphviz

딥러닝 라이브러리 설치

케라스에서 사용하는 딥러닝 라이브러리인 티아노(Theano)와 텐서플로우(Tensorflow)를 설치합니다. 둘 중에 하나만 사용한다면 해당하는 것만 설치하시면 됩니다.

(venv) keras_talk $ pip install theano
(venv) keras_talk $ pip install tensorflow

성공적으로 설치하였다면, 케라스를 설치합니다.

(venv) keras_talk $ pip install keras

설치 환경 테스트 해보기

설치된 패키지 버전 확인

케라스가 정상적으로 설치되어 있는 지 확인하기 위해 예제 코드를 실행시켜보겠습니다. 먼저 주피터 노트북을 실행시킵니다.

(venv) keras_talk $ jupyter notebook

아래 그림처럼 우측 상단에 있는 ‘new’ 버튼을 클릭해서 예제 코드를 작성할 파이썬 파일을 생성합니다.

성공적으로 파인썬 파일이 생성되었다면, 아래 그림처럼 코드를 작성할 수 있는 페이지가 띄워집니다.

녹색 박스로 표시된 영역에 아래 코드를 삽입한 뒤 ‘shift키 + enter키’를 눌러서 실행시킵니다.

import scipy
import numpy
import matplotlib
import pandas
import sklearn
import pydot
import h5py

import theano
import tensorflow
import keras

print('scipy ' + scipy.__version__)
print('numpy ' + numpy.__version__)
print('matplotlib ' + matplotlib.__version__)
print('pandas ' + pandas.__version__)
print('sklearn ' + sklearn.__version__)
print('pydot ' + pydot.__version__)
print('h5py ' + h5py.__version__)

print('theano ' + theano.__version__)
print('tensorflow ' + tensorflow.__version__)
print('keras ' + keras.__version__)

각 패키지별로 버전이 표시되면 정상적으로 설치가 된 것입니다.

딥러닝 기본 모델 구동 확인

아래 코드는 기본적인 딥러닝 모델에 손글씨 데이터셋을 학습시킨 뒤 평가하는 기본 예제입니다. 새로운 셀에서 실행시키기 위해 상단 메뉴에서 ‘Insert > Insert Cell Below’을 선택하여 새로운 셀을 생성합니다. 새로 생긴 셀에 아래 코드를 입력한 후 ‘shift키 + enter키’를 눌러 해당 코드를 실행합니다.

from keras.utils import np_utils
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Activation

(X_train, Y_train), (X_test, Y_test) = mnist.load_data()
X_train = X_train.reshape(60000, 784).astype('float32') / 255.0
X_test = X_test.reshape(10000, 784).astype('float32') / 255.0
Y_train = np_utils.to_categorical(Y_train)
Y_test = np_utils.to_categorical(Y_test)

model = Sequential()
model.add(Dense(units=64, input_dim=28*28, activation='relu'))
model.add(Dense(units=10, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(X_train, Y_train, epochs=5, batch_size=32)

loss_and_metrics = model.evaluate(X_test, Y_test, batch_size=32)

print('loss_and_metrics : ' + str(loss_and_metrics))

에러없이 다음과 같이 화면이 출력되면 정상적으로 작동되는 것입니다.

Epoch 1/5
60000/60000 [==============================] - 1s - loss: 0.6558 - acc: 0.8333     
Epoch 2/5
60000/60000 [==============================] - 1s - loss: 0.3485 - acc: 0.9012     
Epoch 3/5
60000/60000 [==============================] - 1s - loss: 0.3037 - acc: 0.9143     
Epoch 4/5
60000/60000 [==============================] - 1s - loss: 0.2759 - acc: 0.9222     
Epoch 5/5
60000/60000 [==============================] - 1s - loss: 0.2544 - acc: 0.9281     
 8064/10000 [=======================>......] - ETA: 0sloss_and_metrics : [0.23770418465733528, 0.93089999999999995]

딥러닝 모델 가시화 기능 확인

아래 딥러닝 모델 구성을 가시화하는 코드입니다. 마찬가지로 새로운 셀에서 실행시키기 위해 상단 메뉴에서 ‘Insert > Insert Cell Below’을 선택하여 새로운 셀을 생성합니다. 새로 생긴 셀에 아래 코드를 입력한 후 ‘shift키 + enter키’를 눌러 해당 코드를 실행합니다.

from IPython.display import SVG
from keras.utils.vis_utils import model_to_dot

%matplotlib inline

SVG(model_to_dot(model, show_shapes=True).create(prog='dot', format='svg'))

에러없이 다음과 같이 화면이 출력되면 정상적으로 작동되는 것입니다.

딥러닝 모델 저장 기능 확인

아래 딥러닝 모델의 구성 및 가중치를 저장 및 로딩하는 코드입니다. 마찬가지로 새로운 셀에서 실행시키기 위해 상단 메뉴에서 ‘Insert > Insert Cell Below’을 선택하여 새로운 셀을 생성합니다. 새로 생긴 셀에 아래 코드를 입력한 후 ‘shift키 + enter키’를 눌러 해당 코드를 실행합니다.

from keras.models import load_model

model.save('mnist_mlp_model.h5')
model = load_model('mnist_mlp_model.h5')

위 코드 실행 시 에러가 발생하지 않고, 로컬 디렉토리에 ‘mnist_mlp_model.h5’ 파일이 생성되었으면 정상적으로 작동되는 것입니다. 지금까지 정상적으로 실행이 되었다면 상단 메뉴에서 ‘File > Save and Checkpoint’로 현재까지 테스트한 파일을 저장합니다.

딥러닝 엔진 바꾸기

백엔드로 구동되는 딥러닝 엔진을 바꾸려먼 ‘~/.keras/keras.json’ 파일을 열어서 ‘backend’ 부분을 수정하시면 됩니다. 만약 현재 설정이 텐서플로우일 경우 아래와 같이 표시됩니다.

    ...
    "backend": "tensorflow"
    ...

텐서플로우에서 티아노로 변경할 경우 위의 설정을 아래와 같이 수정합니다.

    ...
    "backend": "theano"
    ...

다시 시작하기

재부팅하거나 새로운 터미널 윈도우에서 다시 시작할 때는 다음의 명령을 수행합니다.

    $ cd ~/Projects/keras_talk
    $ source venv/bin/activate
    (venv) $ jupyter notebook

오류 대처

주피터 실행 에러

jupyter notebook를 실행하면, “Open location 메시지를 인식할수 없습니다. (-1708)” 또는 “execution error: doesn’t understand the “open location” message. (-1708)” 메시지가 뜹니다.

운영체제 버전 등의 문제로 주피터가 실행할 브라우저를 찾지 못하는 경우 발생하는 메시지입니다. 이 경우 주피터 옵션에 브라우저를 직접 셋팅하시면 됩니다. ‘.jupyter_notebook_config.py’ 파일이 있는 지 확인합니다.

(venv) keras_talk $ find ~/.jupyter -name jupyter_notebook_config.py

출력되는 내용이 없다면 파일이 없는 것입니다. 파일이 없다면 아래 명령으로 파일을 생성합니다.

(venv) keras_talk $ jupyter notebook --generate-config

‘jupyter_notebook_config.py’파일을 엽니다.

(venv) keras_talk $ vi ~/.jupyter/jupyter_notebook_config.py

아래와 같이 ‘c.Notebook.App.browser’변수를 찾습니다.

# If not specified, the default browser will be determined by the `webbrowser`
# standard library module, which allows setting of the BROWSER environment
# variable to override it.
# c.NotebookApp.browser = u''

‘c.NotebookApp.browser’ 변수를 원하는 브러우저 이름으로 설정합니다. 아래 행 중 하나만 설정하시고, 앞에 ‘#’은 제거해야 합니다.

c.NotebookApp.browser = u’chrome’
c.NotebookApp.browser = u’safari’
c.NotebookApp.browser = u’firefox’

이 파일을 저장 후 (esc키 누른 후 wq! 입력하고 엔터칩니다.) 다시 주피터를 실행하면 지정한 브라우저에서 정상적으로 실행되는 것을 볼 수 있습니다. 설정한 이후에도 해당 브라우저의 경로가 설정되어 있지 않다면 아래와 같은 오류가 발생합니다.

No web browser found: could not locate runnable browser.

이 경우 해당 브러우저의 전체 경로를 설정합니다.

c.NotebookApp.browser = u'open -a /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome %s'

요약

맥 환경에서 케라스를 구동하기 위해, 주피터 노트북 개발환경, 주요 패키지, 딥러닝 라이브러리 설치 및 구동을 해봤습니다.