[PYTHON] [Construction de l'environnement] @anaconda qui exécute keras / tensorflow sur GPU

Remarque

«J'espère que vous pourrez le considérer comme un mémo personnel lors de la reconstruction de l'environnement un jour. ―― L'évolution étant rapide, la version peut être différente de l'actuelle. «Nous ne pouvons pas assumer la responsabilité de choses telles que" il s'est cassé lorsque vous l'avez essayé ", alors merci. .. ..

Site référencé ・ qiita

• Installer TensorFlow 2.2 (compatible GPU) (sous Windows)
• Installation de NVIDIA CUDA Tool Kit 10.1, 10.0 (sous Windows)
• Installer Visual C ++ Build Tools 2019 (Build Tools for Visual Studio 2019) (sur Windows)
• [Résolution du problème selon lequel le GPU n'est pas reconnu même s'il s'agit de Cuda 10.1 dans TensorFlow 2.1](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)
• Résumé de l'installation CUDA + cuDNN

environnement

• 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. Installez Visual Studio

-Télécharger depuis ici

• Requis pour utiliser la boîte à outils CUDA décrite ci-dessous --Sélectionnez «Développement de bureau avec C ++» pour la charge de travail sur l'écran de configuration après le téléchargement.

2. Installez le kit d'outils CUDA

-Télécharger la version 10.1 (lors de l'utilisation de tensorflow2.x) depuis ici --Vérifiez la version avec nvcc -V

3. Installez cuDNN

-Télécharger la version 7.6 depuis ici (lors de l'utilisation de tensorflow2.x)

• L'inscription de membre est requise.

Pour l'installation de la boîte à outils CUDA et de cuDNN, veuillez consulter le site de référence, qui est très soigneusement résumé.

4. Entrez dans l'environnement virtuel d'anaconda et vérifiez les éléments suivants

――Cette fois, nous avons créé un nouvel environnement virtuel. --Vérifiez si le résultat cudnn 7.6.5 cuda10.1_0 est renvoyé par conda list cudnn. --Si le résultat ci-dessus n'est pas obtenu, exécutez conda install cudnn = 7.6.5 = cuda10.1_0.

5. Installez TensorFlow 2.1

• conda install tensorflow-gpu --python -c "importer tensorflow comme tf; print (tf .__ version__)" pour vérifier la version

6. Installez keras 2.3.1.

• conda install keras==2.3.1 --Vérifiez la version avec python -c" import keras; print (keras .__ version__) "

7. Vérifiez s'il peut être utilisé avec le notebook jupyter

Le GPU est-il reconnu?

--Si le GPU est reconnu, le résultat inclura la description device_type:" GPU "

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

――Après cela, si vous importez tensorflow et keras, vous pouvez l'utiliser dans mon environnement.