ディープラーニング環境の構成:tensorflow-gpu + keras
- 環境:Windows10 + GTX1060 + cuda10.1 + cudnn7.6.5 + tensorflow-gpu2.3.1 + keras2.4.3
- minicondaを使用してこの一連の環境を構成し、Anacondaを使用して同じ手順を構成します
- 以下の問題を以下で解決する必要があります。
(1)cudaには多くのバージョンがありますが、どのバージョンをダウンロードする必要がありますか?
(2)cudnnには多くのバージョンがありますが、どのように選択しますか?
(3)どのバージョンのtensorflow-gpuをインストールすることを選択する必要がありますか?
(4)どのバージョンのkerasをインストールすることを選択する必要がありますか?
ステップ1:グラフィックカードGPUオペレーティング環境を構成する
-
コンピューターでグラフィックカード上でディープラーニングプログラムを実行できるようにする場合(私のコンピューターはNVIDIAグラフィックカードであり、AMDグラフィックカードを構成していません)、コンピューターにCUDAをインストールする必要があります(CUDAはによって起動されたユニバーサルパラレルです) GPUが複雑なコンピューティングの問題を解決できるようにするNVIDIAコンピューティングアーキテクチャ)およびcudnn(cudnnはディープニューラルネットワーク用のGPUアクセラレーションライブラリです)。インストール手順:最初にcudaをインストールし、次にcudnnをインストールします。
-
cudaとcudnnをダウンロードするには、NVIDIAの公式Webサイトにアクセスしてダウンロードします。ただし、NVIDIAアカウントに登録する必要があります。各バージョンのcudaダウンロードアドレス、cudnnダウンロードアドレス
-
cudaには多くのバージョンがありますが、どのバージョンをダウンロードする必要がありますか?これは、グラフィックカードドライバのバージョンに関連しています。
(1)最初のステップ:グラフィックカードドライバーのバージョンを確認します。2つの方法があります。
方法1:NVIDIAコントロールパネルから表示
方法2:cmdコマンドライン経由
nvidia-smi
(2)グラフィックカードバージョンドライバに従って、次のWebサイトにアクセスして、インストールできるcudaバージョンを見つけます。グラフィックカードに対応するcudaバージョン。以下は対応表です(スクリーンショット時間:2021年2月2日)。
(3)公式サイト(cudaの各バージョンのダウンロードアドレス)からCUDAをダウンロードしてインストールします。インストール後、cmdに次のコマンドを入力して、インストールが成功したかどうかを確認します。
nvcc -V
さらに、cudaのデフォルトのインストール場所は次のとおりです。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
この場所は、cudnnをすぐにインストールするときに使用されます。
(4)これまでcudaをインストールしましたが、GPUでディープラーニングライブラリを実行できません。次に、NVIDIAがディープラーニング用に特別に開発したライブラリcudnnをインストールします。公式ウェブサイト(cudnnダウンロードアドレス)で最初にcudnnをダウンロードします。ここに、別の質問があります。cudnnには多くのバージョンがありますが、どのように選択しますか?cudnnのバージョンは、インストールしたCUDAのバージョンによって異なります。次のWebサイトにアクセスして、インストールできるcudnnのバージョンを見つけることができます:cudnnとCUDAの対応。対応する関係は次のとおりです(スクリーンショット時間:2021年2月2日)。
(5)cudnnをダウンロードした後、これは圧縮されたパッケージです。解凍後、フォルダを取得し、フォルダに入り、中のすべてのコンテンツを選択してコピーします。次の図は、解凍後にコピーする必要があるコンテンツを示しています。
(6)CUDAのインストール場所(デフォルトの場所:)を開き、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
セクション(5)でコピーしたコンテンツをCUDAのインストール場所にコピーします。ファイルの競合がある場合は、元のファイルを上書きすることを選択します。これまでのところ、グラフィックカードのGPUオペレーティング環境が構成されています。
ステップ2:tensorflow-gpuとkerasを構成する
-
ここでは、miniconda(またはAnaconda)コマンドラインツールを使用して一連の仮想環境を構成します。このコマンドラインの使用を構成する方法については、Anacondaソフトウェアのインストールと使用を参照してください。
-
tensorflow-GPU版のインストール(事前にtensorflowのCPUバージョンをインストールする必要はありません)CUDAとcudnnのサポートを必要とします。tensorflow-GPUの多くのバージョンがありますが、その後、同じ問題が、今発生し、バージョンのtensorflow-gpuをインストールすることを選択する必要がありますか?tensorflow-gpuとCUDAおよびcudnnの対応は、次のWebサイトで確認できます。tensorflow-gpuとCUDAおよびcudnnの対応。以下は対応表です(スクリーンショット時間:2021年2月2日)。
MSVCサポートについて:
- tensorflow-gpuとCUDAおよびcudnnの間のバージョン対応を解決した後、問題はありますか?どのバージョンのkerasをインストールすることを選択する必要がありますか?ここで、kerasの公式はkerasとtensorflow-gpuの間の対応を示していません(少なくとも私はそれを見つけられませんでした)が、次のWebサイトによって与えられた対応を参照できます:kerasとtensorflowの間の対応。この対応関係に従わないインストールは、成功する場合と成功しない場合があります。以下は対応表です(スクリーンショット時間:2021年2月2日)。
condaデモを使用してtensorflow-gpu + kerasをインストールします
1conda国内ミラーソースを構成します
- この手順は省略できます。この手順はダウンロードを高速化するためのものです。
パーソナルユーザーフォルダ(マイコンピュータの対応する場所C:\Users\WXX
)の下に新しい.condarc
ファイルを作成し、次のコンテンツをファイルに追加します。
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true
参照URL:anacondaを使用したCondaHTTPErrorの解決策について
さらに、中国科学技術大学の情報源に置き換えることもできます。
2pip国内ミラーソースを構成します
- この手順は省略できます。この手順はダウンロードを高速化するためのものです。
パーソナルユーザーフォルダー(マイコンピューターの対応する場所C:\Users\WXX
)の下に新しいpipフォルダーを作成し、フォルダーに新しいpip.iniを作成して、次のコンテンツをファイルに追加します。
[global]
index-url = https://pypi.mirrors.ustc.edu.cn/simple/
[install]
use-mirrors =true
mirrors =https://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn/simple/
参照URL:pipダウンロードアクセラレーション
3インストール環境
conda create -n kr243 python=3.6.5
conda activate kr243
pip install tensorflow-gpu==2.3.1
pip install keras==2.4.3
4テスト結果
次のコードを使用して、GPUアクセラレーションを使用できるかどうかをテストします。
# coding=utf-8
import tensorflow as tf
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())