NVIDIAのGPUマシンでTensorFlow環境を構築する方法(tensorflow-gpu)

機械学習モデルを作成する際の学習フェイズでは、学習時間短縮のためにGPUマシンが使われます。

しかし、GPUは高価なので、機械学習のためにGPUマシンをセットアップすることはあまりないと思います。

このエントリでは、NVIDIAのGPUマシン(Windows 10) でTensorFlow環境を構築する手順をまとめます。

下記URLから64bit版のPython3をインストールします。64bit版でないと TensorFlow が動きません。

安定版の Windows x86-64 executable installer をダウンロードすると良いでしょう。

GPUドライバCUDAとライブラリCuDNNをインストールします。

CUDAは後述する tensorflow-gpu とのバージョンの組み合わせがあるので注意が必要です。

下記URLからCUDA Toolkit 9.0のインストーラをダウンロードしインストールします。

下記のパスにインストールされるので、エクスプローラ(MacでいうFinder) で開いておきます。

C:¥Program Files¥NVIDIA GPU Computing Toolkit¥CUDA¥v9.0¥bin

次に下記URLからcuDNNをダウンロードします。が、ダウンロードのためにはサインアップしなければならず、ちょっと面倒です。

CUDAのバージョンに合っているもの (for CUDA 9.0) で最新版を選びましょう。

zip を展開した bin の中に cudnn64_7.dll があるので、先ほど開いておいた CUDA¥v9.0¥bin の中に放り込みます。

TensorFlowのGPU版 tensorflow-gpu (2018年6月時点は最新がv1.8) をインストールします。無印の tensorflow はインストールしないので注意。

$ pip install tensorflow-gpu$ pip list

インストールが終わったら python コマンドでインタプリタを起動してGPUを認識していることを確認します。

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

GeForce なんとかみたいなのがズラッと出て来たらOKです。表示の際に少し固まるかもしれません。

以上です。

このエントリでは、NVIDIAのGPUマシン(Windows 10) でTensorFlow環境を構築する手順をまとめました。