Windows10にTensorFlow GPUとKerasをインストールする

Python

PythonとKerasによるディープラーニングを買いました。

書籍内でUnixマシンが推奨されてますが、Windowsで環境構築を行いました。

2018/12/11時点の情報ですので、情報が古い可能性があります。

環境構築の前にTensorFlowのGPU supportのHardware requirementsと
Software requirementsの一読をおすすめします。

また、環境構築の手順はこちらのページが非常に参考になりました。
 

PC環境

  • Windows10 Home 64bit
  • GeForce GTX 1080
  • Anaconda 4.4.0 Python3.6 Version
  • Python3.6.7

手順

グラフィックボードの確認

グラフィックボードの種類を確認します。
こちらのフリーソフトを利用して確認しました。

CPU-Z | Softwares | CPUID
CPU-Z is a freeware that gathers information on some of the main devices of your system : Processor name and number, codename, process, package, cache ...

こちらのソフトを起動して、GraphicsタブのDisplay Device Selectionに
利用しているグラフィックボードの名前が表示されます。

TensorFlowで使用できるグラフィックボードはCompute Capability 3.5以上のものが必要です。

自分が使用しているグラフィックボードのCompute Capabilityは
CUDA GPUsで確認できます。

 

必要なソフトのインストール

GPUドライバーを最新のものに更新します。

NVIDIA
Download drivers for NVIDIA products including GeForce graphics cards, nForce motherboards, Quadro workstations, and more. Update your graphics card drivers to...

 

仮想環境でTensorFlowとKerasを使用するので、Anacondaもインストールします。

Anaconda Python/R Distribution - Anaconda
The open-source Anaconda Distribution is the easiest way to perform Python/R data science and machine learning on Linux, Windows, and Mac OS X. With over 11 mil...

 

CUDA ToolkitでVisual Studioの機能を利用しているようなので
Visual Studioも事前にインストールしておきます。
個人利用なのでVisual Studio Community2017をインストールしました。

https://docs.microsoft.com/ja-jp/visualstudio/install/install-visual-studio?view=vs-2017


CUDA Toolkitをインストールします。
最新版のバージョンは10.0ですが、TensorFlowは9.0対応なので
CUDA Toolkit9.0をインストールします。

9.0インストール後、patchも1から4までダウンロードしてインストールします。

CUDA Toolkit

 

CUDA9.0用のcuDNN 7.4をダウンロードします。
cuDNNのダウンロードには、NVIDIA Developer Programに登録する必要があります。

NVIDIA cuDNN
*/

 

cuDNNのzipファイルを解凍し、出てきたcudaフォルダをC:\tools\に移動します。

コマンドプロンプトに以下のコマンドを入力して
環境変数のPathにフォルダを追加します。

Pathが追加されているか、こちらの方法でシステム環境変数のPathを選択し
編集ボタンを押すと確認できます。

 

Anacondaで仮想環境の構築

TensorFlowはPython3.xでは3.4, 3.5, 3.6に対応しています。

Install TensorFlow with pip  |  TensorFlow


今回はPython3.6.7で仮想環境を構築します。

Anaconda Promptを起動して、下記のコマンドを入力して仮想環境を作成します。
仮想環境の名前はkeras-deeplearningにしています。

作成した環境をactivateします。

tensorflow-gpuをpipでインストールします。

 

以下のPythonコードを実行してエラーがでなければインストール成功です。
コードを実行するとtensorflow-gpu最新バージョンの1.12.0が表示されます。

 

Kerasをpipでインストールします。

 

MNISTでKerasの動作確認

KerasのMNISTのサンプルコードを動かします。

初回はMNISTデータをダウンロードするので、数分かかります。
データダウンロード完了後、処理を実行します。
GPUを使用した処理時間は約1分ほどでした。

 

GPUとCPUの処理速度の比較

GPUを利用した処理時間が約1分ほどだったので、
CPUのみの処理時間と比較してみました。

Anacondaで別の仮想環境を作成します。
pip install tensorflowでCPUのみで処理を行うTensorFlowをインストールできます。

上記の仮想環境でMNISTのコードを実行したところ、処理時間は約15分でした。

GPUバージョンは、かなり処理速度が速いことが確認できました。

 

コメント