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。

ここに画像の説明を挿入

（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

ここに画像の説明を挿入

方法2：cmdコマンドライン経由

nvidia-smi

ここに画像の説明を挿入

（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）。

ここに画像の説明を挿入

（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

ここに画像の説明を挿入

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）。

ここに画像の説明を挿入

（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。

ここに画像の説明を挿入

（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）。

ここに画像の説明を挿入

MSVCサポートについて：

ここに画像の説明を挿入

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）。

ここに画像の説明を挿入

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())

ここに画像の説明を挿入