À partir de l'endroit où Ubuntu Desktop / Server est installé, créez un environnement dans lequel le calcul GPU par TensorFlow peut être effectué avec Anaconda.
Ingénieur en apprentissage profond qui n'est pas familier avec Linux et ne comprend pas les environnements virtuels tels qu'Anaconda
OS: Ubuntu 18.04LTS Desktop/Server
Je voulais moi-même faire du Deep Learning sur Ubuntu Server, j'ai donc créé un environnement pour exécuter la version GPU de TensorFlow, mais j'ai été submergé par le nombre de points à collecter des informations et auxquels faire attention. Par conséquent, j'espère réduire la douleur liée à la connexion des connaissances en faisant des allers-retours entre les différentes pages et en fournissant un ensemble d'informations aux personnes ayant les mêmes aspirations qu'un mémorandum qui leur est propre. J'ai donc créé un document qui expliquait mes connaissances et mes points de réflexion dans le processus de construction de l'environnement.
La construction de l'environnement a été divisée en quatre conditions. J'expliquerai une condition dans un article pour ne pas être compliqué. La documentation, y compris ce chapitre, est un document en cinq parties (je peux aussi écrire une suite au Jupyter Notebook).
Cette section décrit ** 4 conditions ** pour créer un environnement. Effacez de haut en bas pour exécuter la version GPU de TensorFlow (TensorFlow-GPU).
Le tableau est mis en place en fonction de chaque condition. Vous pouvez effacer les conditions en travaillant par le haut.
TensorFlow nécessite que le GPU dispose d'une certaine puissance de calcul. Tout d'abord, vérifions dans le premier article si les conditions sont remplies.
Afin d'utiliser le GPU du serveur pour le calcul, il est nécessaire d'installer un pilote dédié dans l'OS. Puisqu'il s'agit d'une barrière, je l'expliquerai en détail dans le deuxième article.
De plus, il existe des bibliothèques nécessaires pour utiliser le GPU pour l'apprentissage en profondeur. Afin de créer un environnement de base pour les accepter, dans le troisième article, nous allons créer un environnement virtuel (décrit dans l'article) avec Anaconda.
~ CUDA, installation cuDNN ~ Enfin, dans le quatrième article, nous installerons la bibliothèque sur l'environnement virtuel. Pour le moment, si les versions ne sont pas compatibles, cela ne fonctionnera pas correctement, je vais donc l'expliquer dans un article.
*** Tout d'abord [1] Environnement TensorFlow-GPU construit avec Anaconda sur la confirmation des spécifications Ubuntu-GPU- Cela commence à partir de. *** ***
Recommended Posts