アルパカログ

カスタマーサポート (CS) とエンジニアリングを掛け算したい CRE (Customer Reliability Engineer) が気になる技術や思ったことなど。

NVIDIAのGPUマシンでTensorFlow環境を構築する

NVIDIAGPUマシン(Windows 10) でTensorFlow環境を構築した際にかなりハマったので手順をまとめておきます。

やること

  1. Python3 64bit版インストール
  2. CUDA, cuDNN インストール
  3. tensorflow-gpu インストール

1. Python3 64bit版インストール

下記URLから64bit版のPython3をインストールします。64bit版でないと TensorFlow が動きません。

www.python.org

安定版の Windows x86-64 executable installer をダウンロードすると良いでしょう。

2. CUDA, cuDNN インストール

GPUドライバCUDAとライブラリCuDNNをインストールします。

CUDAは後述する tensorflow-gpu とのバージョンの組み合わせがあるので注意が必要です。

下記URLからCUDA Toolkit 9.0インストーラをダウンロードしインストールします。

CUDA Toolkit 9.0 Downloads | NVIDIA Developer

下記のパスにインストールされるので、エクスプローラ(MacでいうFinder) で開いておきます。

C:¥Program Files¥NVIDIA GPU Computing Toolkit¥CUDA¥v9.0¥bin

次に下記URLからcuDNNをダウンロードします。が、ダウンロードのためにはサインアップしなければならず、ちょっと面倒です。

CUDAのバージョンに合っているもの (for CUDA 9.0) で最新版を選びましょう。

developer.nvidia.com

zip を展開した bin の中に cudnn64_7.dll があるので、先ほど開いておいた CUDA¥v9.0¥bin の中に放り込みます。

3. tensorflow-gpu インストール

TensorFlowのGPU版 tensorflow-gpu (2018年6月時点は最新がv1.8) をインストールします。無印の tensorflow はインストールしないので注意。

$ pip install tensorflow-gpu
$ pip list

インストールが終わったら python コマンドでインタプリタを起動してGPUを認識していることを確認します。

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

GeForce なんとかみたいなのがズラッと出て来たらOKです。表示の際に少し固まるかもしれません。


手順は以上です。あとはお好みで Jupyter Notebook などを入れてお遊びください。

まとめてみるとシンプルですが、普段 WIndows を扱わない私にとってはかなり大変でした。

それではGPUで快適なMLライフを!

参考サイト🙏

こちらもあわせてどうぞ

alpacat.hatenablog.com

alpacat.hatenablog.com