iMac und MacBook Pro scheinen je nach Modell NVIDIA-Grafikkarten zu haben. Ich hatte eine NVIDIA GeForce GT 650M auf meinem MacBook Pro (Retina, 2012 MID). Ich habe Tensorflow-GPU eingerichtet, um die GPU zu nutzen.
Befolgen Sie grundsätzlich den offiziellen Download und das Setup (https://www.tensorflow.org/versions/r0.12/get_started/os_setup.html). Darüber hinaus lautet der Befehl fast Referenzartikel Es ist das Gleiche.
Cuda
$ brew upgrade
$ brew install coreutils
$ brew cask install cuda
cuDNN Bezogen von NVIDIAs Download-Seite. Benutzerregistrierung erforderlich.
Diesmal habe ich die cuDNN v5.1 Library für OSX heruntergeladen.
Verschieben Sie den Inhalt nach / user / local / cuda / lib bzw. / user / local / cuda / include.
Ich habe einen Fehler erhalten, als ich ihn später ausgeführt habe, daher habe ich auch einen symbolischen Link gepostet.
$ cd /usr/local/cuda/lib
$ sudo ln -s libcuda.dylib libcuda.1.dylib
Die Beschreibung des Pfades lautet schließlich wie folgt.
.bashrc
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib"
export DYLD_LIBRARY_PATH="$DYLD_LIBRARY_PATH:$CUDA_HOME/lib"
export PATH="$CUDA_HOME/bin:$PATH"
tensorflow-gpu
$ brew install bazel
$ brew install tensorflow-gpu==0.12.1
Nach der Installation konfigurieren Sie bitte.
Lassen Sie uns ein Beispiel ausführen, das Tensorflow verwendet. Es ist in Ordnung, wenn kein Importfehler vorliegt. Sie können die Konfiguration so übergeben, wie sie in den offiziellen Verwenden von GPUs geschrieben ist.
sample.py
import tensorflow as tf
...
# for tensorflow-gpu
config = tf.ConfigProto()
config.log_device_placement = True
config.gpu_options.allow_growth = True
...
sess = tf.Session(config=config)
sess.run(c)
Zur Laufzeit werden die Geräteinformationen wie unten gezeigt angezeigt.
I tensorflow/core/common_runtime/gpu/gpu_device.cc:885] Found device 0 with properties:
name: GeForce GT 650M
major: 3 minor: 0 memoryClockRate (GHz) 0.9
pciBusID 0000:01:00.0
Total memory: 1023.69MiB
Free memory: 833.14MiB
Ich war unterwegs ziemlich süchtig danach. Wenn der freie Speicher niedrig ist, ist er nach der Ausführung gesunken. Zuerst dachte ich, das Setup sei fehlgeschlagen, aber das Herunterfahren anderer Anwendungen wie Chrome funktionierte. Im Vergleich zur CPU-Version von Tensorflow ist die Verarbeitung meiner Meinung nach erheblich schneller. Wenn Sie Probleme mit der Speicherkapazität haben, ist es möglicherweise besser, ein anderes Gerät oder eine externe Grafikkarte zu verwenden.
Recommended Posts