[PYTHON] [Umgebungskonstruktion] @anaconda, die Keras / Tensorflow auf der GPU ausführt

Hinweis

――Ich hoffe, Sie können es sich als persönliches Memo vorstellen, wenn Sie eines Tages die Umgebung wieder aufbauen. ――Da die Entwicklung schnell ist, kann sich die Version von der aktuellen unterscheiden. ――Wir können keine Verantwortung für Dinge wie "Es ist kaputt gegangen, als Sie es versucht haben" übernehmen. Vielen Dank. .. ..

Die Seite, die ich als Referenz verwendet habe, Qiita

• TensorFlow 2.2 (GPU-kompatibel) installieren (unter Windows)
• Installieren des NVIDIA CUDA Tool Kit 10.1, 10.0 (unter Windows)
• Visual C ++ Build Tools 2019 installieren (Build Tools für Visual Studio 2019) (unter Windows)
• [Behebung des Problems, dass die GPU nicht erkannt wird, obwohl es sich in TensorFlow 2.1 um Cuda 10.1 handelt](https://medium.com/lsc-psd/tensorflow2-1%E3%81%A7cuda10-1%E3%81%AA% E3% 81% AE% E3% 81% ABgpu% E3% 81% 8C% E8% AA% 8D% E8% AD% 98% E3% 81% 95% E3% 82% 8C% E3% 81% AA% E3% 81% 84% E5% 95% 8F% E9% A1% 8C% E3% 81% AE% E8% A7% A3% E6% B1% BA% E6% B3% 95-6be5137ec216)
• CUDA + cuDNN-Installationszusammenfassung

Umgebung

• windows10
• NVIDIA GeForce GTX 1660 SUPER
• CUDA 10.1
• cuDNNv 7.6.5
• python 3.7.9
• tensorflow 2.1.0
• keras 2.3.1
• Visual Studio Community 2019 version16.2

1. Installieren Sie Visual Studio

-Download von hier

• Erforderlich, um das unten beschriebene CUDA-Toolkit zu verwenden --Wählen Sie "Desktop-Entwicklung mit C ++" für die Arbeitslast auf dem Einstellungsbildschirm nach dem Herunterladen.

2. Installieren Sie das CUDA-Toolkit

• Laden Sie Version 10.1 (bei Verwendung von tensorflow2.x) von [hier] herunter (https://developer.nvidia.com/cuda-toolkit-archive). --Überprüfen Sie die Version mit nvcc -V

3. Installieren Sie cuDNN

• Laden Sie Version 7.6 von [hier] herunter (https://developer.nvidia.com/cudnn) (bei Verwendung von tensorflow2.x).
• Eine Registrierung der Mitgliedschaft ist erforderlich.

Informationen zur Installation von CUDA Toolkit und cuDNN finden Sie auf der Referenzseite, die sehr sorgfältig zusammengefasst ist.

4. Rufen Sie die virtuelle Umgebung von anaconda auf und überprüfen Sie Folgendes

――Diesmal haben wir eine neue virtuelle Umgebung erstellt. --Überprüfen Sie, ob das Ergebnis cudnn 7.6.5 cuda10.1_0 von conda list cudnn zurückgegeben wird. --Wenn das obige Ergebnis nicht erhalten wird, führen Sie "conda install cudnn = 7.6.5 = cuda10.1_0" aus.

5. Installieren Sie TensorFlow 2.1

• conda install tensorflow-gpu --python -c "Tensorflow als tf importieren; print (tf .__ version__)" , um die Version zu überprüfen

6. Installieren Sie Keras 2.3.1.

• conda install keras==2.3.1 --Überprüfen Sie die Version mit python -c" Keras importieren; print (keras .__ version__) "

7. Überprüfen Sie, ob es mit dem Jupiter-Notebook verwendet werden kann

Wird die GPU erkannt?

--Wenn die GPU erkannt wird, enthält das Ergebnis die Beschreibung device_type:" GPU "

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

――Nachdem können Sie Tensorflow und Keras in meiner Umgebung verwenden, wenn Sie sie importieren.