RTX 50XX 시리즈를 위한 PyTorch 딥러닝 환경 구축 최종 가이드

: 'no kernel image' 및 호환성 에러 완벽 해결법 (Anaconda, VS Code, PyTorch, CUDA)

들어가며

최신 NVIDIA GPU (RTX 50 시리즈 등)를 구매한 후 설레는 마음으로 딥러닝 환경을 구축하려 할 때, CUDA error: no kernel image is available 이나 not compatible with the current PyTorch installation 같은 호환성 에러를 마주하면 매우 당황스럽습니다.

이 문서는 이러한 문제의 원인을 명확히 설명하고, 수많은 시행착오를 거치지 않도록 처음부터 끝까지 가장 확실하고 안정적인 방법으로 Anaconda, VS Code, PyTorch, CUDA를 사용한 개발 환경을 구축하는 과정을 안내합니다.

Phase 1: 핵심 시스템 준비 (Prerequisites)

가장 먼저 컴퓨터의 기본 시스템을 준비합니다. 이미 완료된 부분이라도 올바르게 설치되었는지 확인해 보세요.

1. 필수 프로그램 설치

• 최신 NVIDIA 드라이버: 최신 GPU는 반드시 최신 드라이버가 필요합니다. NVIDIA 드라이버 다운로드 페이지에서 GPU 모델에 맞는 가장 최신 버전의 Studio 드라이버를 설치합니다.
• 최신 CUDA Toolkit: NVIDIA CUDA Toolkit 아카이브에서 최신 안정 버전을 다운로드하여 설치합니다. 설치 시 경로를 묻는 모든 과정에서 기본 경로를 절대 바꾸지 말고 그대로 진행하는 것이 매우 중요합니다.
• Anaconda: Anaconda 공식 홈페이지에서 최신 파이썬 버전의 배포판을 설치합니다.
• Visual Studio Code (VS Code): VS Code 공식 홈페이지에서 설치합니다.

Phase 2: 완벽한 시작을 위한 환경 정리

기존에 잘못 설치된 환경이 남아있으면 계속해서 문제가 발생합니다. **'완벽한 삭제'**가 가장 중요합니다.

1. 기존 Anaconda 가상 환경 완벽 삭제

1. Anaconda Prompt를 실행하고, conda deactivate 명령어로 base 환경으로 돌아옵니다.
2. conda env remove -n [삭제할 환경 이름] 명령어로 문제가 있던 가상 환경을 삭제합니다. (예: conda env remove -n pytorch-gpu)
3. conda info --envs 명령어로 목록에 base만 남았는지 확인하여 삭제를 완료합니다.