[GCC / MAKE / CONDA] 개발 핵심 도구들 !!

 

 

1️⃣ gcc (컴파일러) 👉 “코드를 실행파일로 바꿔주는 번역기”

✔ 개념

• gcc = GNU Compiler Collection
• 사람이 작성한 C/C++ 코드를 → 컴퓨터가 이해하는 **실행파일(binary)**로 변환

✔ 쉽게 말하면

👉 “영어를 한국어로 번역해주는 번역기 같은 역할”

hello.c (사람이 작성한 코드)
↓ gcc
hello (실행파일)

 

✔ 예시

 

gcc hello.c -o hello
./hello

 

✔ 왜 필요?

• Python만 쓰면 필요 없음
• 하지만 아래 상황이면 필수 👇

상황	이유
PyTorch / TensorFlow 빌드	내부적으로 C++ 사용
pip install 실패	일부 패키지 컴파일 필요
CUDA 커스텀 코드	C++ + GPU 코드
HPC 라이브러리	대부분 C/C++ 기반

👉 그래서 “gcc 없으면 설치 안되는 경우 많음”

---

 

 

2️⃣ make 👉 “컴파일 자동화 도구 (빌드 관리자)”

 

✔ 개념

• 여러 개 파일을 자동으로 컴파일 해주는 도구
• Makefile이라는 설정 파일을 기반으로 동작

✔ 쉽게 말하면

👉 “컴파일 작업을 자동으로 처리해주는 실행 스크립트”

✔ 예시

 

make

 

Makefile 안에 이런 게 있음 👇

hello: hello.c
gcc hello.c -o hello

 

👉 make 치면 자동으로 gcc 실행

✔ 왜 필요?

• 프로젝트가 커지면 파일 많음
• 일일이 gcc 치기 힘듦

👉 그래서 자동화 필수 도구

---

 

 

3️⃣ conda 👉 “개발환경 관리 도구 (가상환경 관리자)”

 

✔ 개념

• Python 환경을 따로 분리해서 관리
• 패키지 설치 + 버전 관리

✔ 쉽게 말하면

👉 “프로젝트마다 독립된 PC 하나씩 만드는 느낌”

✔ 예시

 

conda create -n myenv python=3.10
conda activate myenv
conda install gcc

 

✔ 왜 중요?

• 프로젝트마다 라이브러리 충돌 방지
• GPU 환경 안정성 유지

👉 특히 MLXP 같은 환경에서 매우 중요

---

 

 

🔥 핵심 정리 (한방 이해)

도구	역할	한줄 설명
gcc	컴파일러	코드 → 실행파일 변환
make	빌드 도구	gcc 실행 자동화
conda	환경관리	개발환경 분리

---

 

 

💡 MLXP 기준 현실적인 사용 방식

지금 대화 내용 기준으로 보면 👇

✔ 방법 1 (추천 ⭐)

👉 conda로 gcc 설치

 

conda install gcc

 

• 빠름
• root 권한 필요 없음
• 노트북에서 바로 사용 가능

---

✔ 방법 2

👉 커스텀 이미지 생성

• Docker 이미지에 gcc 포함
• MLXP Notebook 생성 시 적용

👉 장점:

• 항상 동일 환경 유지
• 팀 단위 운영에 좋음

---

 

 

🚨 초보자 기준 결론

👉 MLXP에서 gcc / make 사용 가능함

단, 방법이 중요 👇

1. 간단 작업 → conda로 해결
2. 운영환경 → 커스텀 이미지

---

 

 

💬 한줄 요약

👉

• gcc = 컴파일
• make = 자동화
• conda = 환경관리

👉 이 3개는 ML 개발/서버 환경의 기본 3종 세트