Aperçu

L'iMac et le MacBook Pro semblent avoir des cartes graphiques NVIDIA selon le modèle. J'avais une NVIDIA GeForce GT 650M sur mon MacBook Pro (Retina, 2012 MID). J'ai configuré tensorflow-gpu pour profiter du GPU.

Mise en garde

Ceci est un article du 12 février 2017.
GPU CUDA est requis.

environnement

OS 10.12.3 (Sierra)
Python 2.7
tensorflow-gpu 0.12.1

installer

Fondamentalement, suivez le téléchargement et la configuration officiels (https://www.tensorflow.org/versions/r0.12/get_started/os_setup.html). En outre, la commande est presque Article de référence C'est le même.

Ce qui suit est la commande lorsque Tensorflow a été configuré. En raison d'essais et d'erreurs sur le chemin, certaines étapes peuvent manquer.

Cuda

$ brew upgrade
$ brew install coreutils
$ brew cask install cuda

cuDNN Obtenu sur la [page de téléchargement] de NVIDIA (https://developer.nvidia.com/cudnn-download). Inscription de l'utilisateur requise.

Cette fois, j'ai téléchargé la bibliothèque cuDNN v5.1 pour OSX.

Déplacez le contenu vers / user / local / cuda / lib et / user / local / cuda / include respectivement.

J'ai eu une erreur lorsque je l'ai exécuté plus tard, j'ai donc également publié un lien symbolique.

$ cd /usr/local/cuda/lib
$ sudo ln -s libcuda.dylib libcuda.1.dylib

La description du chemin est finalement la suivante.

`.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

Après l'installation, veuillez configurer.

Contrôle de fonctionnement

Examinons un exemple qui utilise tensorflow. C'est OK s'il n'y a pas d'erreur d'importation. Il est écrit dans le [Using GPUs] officiel (https://www.tensorflow.org/how_tos/using_gpu/), mais vous pouvez également passer une config.

`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)

Au moment de l'exécution, les informations sur l'appareil seront affichées comme indiqué ci-dessous.

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

à la fin

J'étais assez accro en chemin. De plus, si la mémoire libre est faible, elle est tombée après l'exécution. Au début, je pensais que la configuration avait échoué, mais la fermeture d'autres applications telles que Chrome fonctionnait. Par rapport à la version CPU de tensorflow, je pense que le traitement est considérablement plus rapide. Si vous rencontrez des problèmes de capacité de mémoire, il peut être préférable d'utiliser une autre machine ou une carte graphique externe.

[PYTHON] Remarques sur la configuration de tensorflow-gpu sur MacBook Pro (mi-2012)