3.1. 로컬 PC에 Jupyter Notebook 설치
3.2. Google Colab의 SSH 기능 활용하기
4. 로컬 환경에서 Google Colab의 GPU 활용하기
4.1. 로컬 Jupyter Notebook에서 Google Colab 실행
5. PyTorch와 TensorFlow에서 Google Colab의 GPU 사용하기
6. 로컬 환경에서 Google Colab의 GPU 성능 테스트
구글 코랩의 GPU를 로컬에서 사용하는 방법
1. 들어가며
딥러닝, 스테이블 디퓨젼, 머신러닝을 활용할 때 GPU는 필수적입니다. 하지만 고성능 GPU를 구매하는 것은 부담스러울 수 있습니다. 다행히도 구글 코랩(Google Colab)에서는 무료로 GPU를 제공하며, 이를 로컬 환경에서도 사용할 수 있습니다.
이 글에서는 구글 코랩의 GPU를 로컬에서 사용하는 방법을 단계별로 자세히 설명하겠습니다.
2. 구글 코랩이 제공하는 GPU 종류
구글 코랩에서 제공하는 GPU는 Tesla T4, Tesla P100, Tesla V100 등의 NVIDIA GPU입니다.
- 무료 사용자: Tesla T4 또는 P100 제공 (일정 시간 후 자동 종료)
- Colab Pro: Tesla V100 지원, 더 긴 실행 시간 제공
- Colab Pro+: A100 등 상위급 GPU 사용 가능
로컬 환경에서 구글 코랩의 GPU를 활용하면 하드웨어 성능을 활용하면서도 무료 GPU의 이점을 누릴 수 있습니다.
3. 구글 코랩의 GPU를 로컬에서 활용하는 방법
3.1. 로컬 PC에 Jupyter Notebook 설치
구글 코랩의 GPU를 로컬에서 사용하려면 먼저 Jupyter Notebook을 설치해야 합니다.
명령프롬프트:
pip install jupyter notebook |
설치 후 다음 명령어로 실행할 수 있습니다.
명령프롬프트:
jupyter notebook |
3.2. Google Colab의 SSH 기능 활용하기
구글 코랩에서 SSH를 활성화하면 로컬 환경에서도 원격으로 연결할 수 있습니다. 이를 위해 ngrok을 사용합니다.
1) ngrok 설치
먼저 ngrok을 다운로드하고, 실행 파일을 적절한 위치에 저장하세요.
공식 사이트: https://ngrok.com/download
2) Google Colab에서 SSH 활성화
Google Colab의 새 노트북에서 다음 명령어를 실행하세요.
!apt-get install openssh-server !mkdir -p ~/.ssh !echo "your_public_ssh_key" > ~/.ssh/authorized_keys !chmod 600 ~/.ssh/authorized_keys !service ssh start |
여기서 your_public_ssh_key는 로컬 PC의 SSH 공개 키입니다.
3) ngrok을 활용하여 SSH 터널링
!wget https://bin.equinox.io/c/4VmDzA7iaHb/ngrok-stable-linux-amd64.zip !unzip ngrok-stable-linux-amd64.zip !./ngrok authtoken your_ngrok_auth_token !./ngrok tcp 22 |
이제 ngrok이 실행되면 SSH 접속 주소가 표시됩니다.
4) 로컬 PC에서 SSH 접속
로컬 PC에서 다음 명령어로 구글 코랩 인스턴스에 연결합니다.
ssh -o ServerAliveInterval=60 root@0.tcp.ngrok.io -p <PORT> |
이제 구글 코랩의 GPU를 로컬에서 사용할 수 있습니다.
4. 로컬 환경에서 Google Colab의 GPU 활용하기
4.1. 로컬 Jupyter Notebook에서 Google Colab 실행
Google Colab을 로컬 Jupyter Notebook에서 실행하려면 colabcode 라이브러리를 사용합니다.
pip install colabcode |
그 후 다음과 같이 실행합니다.
from colabcode import ColabCode ColabCode(port=10000) |
이제 브라우저에서 http://localhost:10000에 접속하면 Google Colab 환경을 활용할 수 있습니다.
5. PyTorch와 TensorFlow에서 Google Colab의 GPU 사용하기
5.1. PyTorch에서 GPU 확인
import torch print(torch.cuda.is_available()) # True이면 GPU 사용 가능 print(torch.cuda.get_device_name(0)) # 사용 가능한 GPU 이름 출력 |
5.2. TensorFlow에서 GPU 확인
import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # GPU 장치 목록 확인 |
이제 PyTorch와 TensorFlow에서도 Google Colab의 GPU를 로컬에서 활용할 수 있습니다.
6. 로컬 환경에서 Google Colab의 GPU 성능 테스트
다음 코드로 GPU의 성능을 테스트할 수 있습니다.
import torch import time device = torch.device("cuda" if torch.cuda.is_available() else "cpu") x = torch.rand((1000, 1000), device=device) start_time = time.time() for _ in range(1000): x = x @ x print(f"Execution Time: {time.time() - start_time} seconds") |
성능이 정상적으로 나온다면 Google Colab의 GPU가 제대로 동작하는 것입니다.
7. 정리
- SSH 터널링을 이용해 Google Colab과 연결
- Jupyter Notebook에서 Google Colab 실행
- PyTorch, TensorFlow에서 GPU 활용
이 방법을 사용하면 무료로 강력한 GPU를 사용할 수 있어 머신러닝 및 AI 연구에 매우 유용합니다.
