본문 바로가기
무모한 도전-주식 인공지능 만들기

GPU를 이용한 주식 인공지능의 학습 part3

by 인터넷떠돌이 2018. 11. 4.
반응형

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.

반응형