안녕하세요?


이번 포스팅에서야 말로 주식 인공지능의 학습 속도롤 올리기 위한 작업인 GPU를 이용한 작업의 마지막 포스팅을 올리도록 하겠습니다.



정확히는 gputest라는 환경안에 들어가 있는 python.exe를 선택해 주어야 하는 것 입니다. 이걸 선택해 주면 환경설정은 마무리가 된다고 볼 수 있습니다.



다음으로는 위 스크린샷에서 gputest에 해당하는 내용을 선택해 주고, OK를 눌러 주도록 해 봅니다.



그런데 여기서 보니 Pandas라는 모듈이 아직 없는 것을 볼 수 있었습니다. 그래서 Pandas를 설치해 주도록 합니다.



새로운 환경이 들어온 관계로 PyCharm에서 이래저래 조정하는 과정으로 시간이 걸리는데, 일단 기다려 주도록 합니다.




이제 기계학습을 시작하려고 했더니, 그만 기계학습에서 주식의 캔들차트를 그리기 위한 mpl_finance라는 모듈이 없다는 메세지가 나와서 설치하러 가야 합니다.



PyCharm상에서는 설치가 되지 않아서 하는 수 없이 아나콘다 프롬프트에서 mpl_finance를 설치하도록 해 봅니다.



이제 본격적으로 기다리고 기다리던 기계학습에 들어가 보도록 합니다.



그런데 여기서 심각한 문제가 생겼습니다. 지난번에는 4시간 가까이 걸린 것이지만, GPU를 사용했더니 약 5시간 24분이 걸리는 것을 확인할 수 있었습니다. 한마디로 그냥 CPU를 이용해서 하는 것 보다 더 시간이 걸리는 결과를 얻었다는 것 입니다.




그렇다고 해서 더 좋은 결과가 나왔느냐 하면 그것도 아닌것이....... 에포크의 결과 자체는 이전과 크게 다를 것도 없다는 것을 볼 수 있는데, GPU를 사용한다고 해서 속도가 빨라지는 것을 기대한 것을 생각하면 당연하다면 당연한 결과라고 할 수 있겠습니다.



결국 에포크라고 기계학습이 이루어진 횟수가 늘어나면 늘어날 수록 랜덤한 행동의 횟수가 줄어들기만 할 뿐, 이게 더 나은 결과가 나오지는 않는 것을 볼 수 있습니다.



결국 마지막 로그를 봐도 별 차이가 나오지 않았다는 것을 볼 수 있었습니다. 그래서 하는 수 없이 GPU를 사용한 작전은 실패라고 할 수 있습니다. 나중에 안 사실이지만, 제가 기계학습에 사용한 GPU인 GT 735M 이라는 것이 요즘에는 어지간한 CPU의 내장 그래픽 카드에 비해서도 성능이 떨어진 다는 것을 생각하면, 어쩌면 당연하다면 당연한 결과가 아니었나 합니다.

+ Recent posts

티스토리 툴바