Erstellen Sie an dem Ort, an dem Ubuntu Desktop / Server installiert ist, eine Umgebung, in der die GPU-Berechnung mit TensorFlow mit Anaconda durchgeführt werden kann.
Deep Learning-Ingenieur, der mit Linux nicht vertraut ist und virtuelle Umgebungen wie Anaconda nicht versteht
OS: Ubuntu 18.04LTS Desktop/Server
Ich selbst wollte tiefes Lernen auf Ubuntu Server machen, also baute ich eine Umgebung, um die GPU-Version von TensorFlow auszuführen, aber ich war überwältigt von der Anzahl der Punkte, um Informationen zu sammeln und zu beachten. Daher hoffe ich, den Schmerz beim Verbinden von Wissen zu verringern, indem ich zwischen verschiedenen Seiten hin und her gehe und eine Reihe von Informationen für Menschen bereitstelle, die dieselben Bestrebungen haben wie ein eigenes Memorandum. Aus diesem Grund habe ich ein Dokument erstellt, in dem mein Wissen und meine Reflexionspunkte beim Aufbau der Umwelt erläutert wurden.
Der Umgebungsbau wurde in vier Bedingungen unterteilt. Ich werde eine Bedingung in einem Artikel erklären, um nicht kompliziert zu sein. Die Dokumentation, einschließlich dieses Kapitels, ist ein fünfteiliges Dokument (ich kann auch eine Fortsetzung des Jupyter-Notizbuchs schreiben).
In diesem Abschnitt werden ** 4 Bedingungen ** für den Aufbau einer Umgebung beschrieben. Löschen Sie von oben nach unten, um die GPU-Version von TensorFlow (TensorFlow-GPU) auszuführen.
Die Tabelle wird gemäß jeder Bedingung eingerichtet. Sie können die Bedingungen löschen, indem Sie von oben arbeiten.
Für TensorFlow muss die GPU über eine bestimmte Rechenleistung verfügen. Lassen Sie uns zunächst im ersten Artikel prüfen, ob die Bedingungen erfüllt sind.
Um die GPU des Servers für die Berechnung verwenden zu können, muss ein dedizierter Treiber im Betriebssystem installiert werden. Da es sich um eine Barriere handelt, werde ich dies im zweiten Artikel ausführlich erläutern.
Darüber hinaus sind Bibliotheken erforderlich, um die GPU für vertiefendes Lernen zu verwenden. Um eine grundlegende Umgebung zu schaffen, um sie zu akzeptieren, werden wir im dritten Artikel eine virtuelle Umgebung (im Artikel beschrieben) mit Anaconda erstellen.
~ CUDA, cuDNN Installation ~ Schließlich werden wir im vierten Artikel die Bibliothek in der virtuellen Umgebung installieren. Wenn die Versionen zu diesem Zeitpunkt nicht kompatibel sind, funktioniert sie nicht ordnungsgemäß. Ich werde sie daher in einem Artikel erläutern.
*** Als allererstes [1] TensorFlow-GPU-Umgebung, die mit Anaconda auf Ubuntu-GPU-Spezifikationsbestätigung erstellt wurde. Das geht ab. *** ***
Recommended Posts