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。
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。

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。

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。

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。

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。

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。
1 2 |
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;%PATH% SET PATH=C:\tools\cuda\bin;%PATH% |
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。

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。
1 |
conda create -n keras-deeplearning python=3.6 |
作成した環境をactivateします。
1 |
activate keras-deeplearning |
tensorflow-gpuをpipでインストールします。
1 |
pip install tensorflow-gpu |
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。
1 2 3 |
import tensorflow as tf print(tf.__version__) |
Kerasをpipでインストールします。
1 |
pip install keras |
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。
1 2 3 4 5 6 7 |
conda create -n keras-cpu-test python=3.6 activate keras-cpu-test pip install tensorflow pip install keras |
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