Tensorflow-GPU的安裝及確認 ( Win 10 )

發表於 更新於 分類於 閱讀次數： Disqus：

安裝前請先確認是否安裝Anaconda，若仍無安裝可參閱”Anaconda的安裝”

年前跟老婆申請了一台筆電，就是為了方便日後進行DL運算使用，過年後拿到電腦後，便著手來進行tensorfloe-GPU的安裝，參考了前人的一些步驟流程，仍然遇到一些安裝上面的問題，雖說過了一個多月了，還是想把它紀錄下來，以後若要重新安裝也可以回頭來看看怎麼處理遇到的問題。

安裝流程

確定顯卡型號

由於目前預算上考量，也沒辦法選擇最頂級的獨顯筆電，因此當初在考量筆電上面，便以搭載NVIDIA GeForce GTX1060 6G 獨顯，記憶體能擴充至32GB的筆電為考量。在進行後面各項安裝前，獨顯的型號必須優先考慮，因為CUDA、CudNN及Tensorflow-GPU的各版本間並沒有廣泛的互相支援1 ，必須要按照對應版本安裝才不會有問題。

CUDA

首先先至NVIDIA CUDA官網下載

此處選取系統平台進行安裝的是CUDA最新版本，此版本並未支援您的顯卡，則必須到右下角的 " Legacy Releases" 中尋找對應版本進行安裝

根據許多前輩們指出，進行network安裝很容易出現問題，因此也建議大家安裝時候進行local安裝

這樣看似簡單的步驟，我仍然在安裝過程中遇到一點麻煩的狀況2。

CudNN

進入CudNN頁面進行下載前，必須先加入NVIDIA Developer Program

加入會員並且登入後，即可選擇相對應的版本下載，下載完成後建立一個新的資料夾(此處範例 C:)，並將下載的壓縮檔解壓縮至此。並確認資料夾內cudnn64_7.dll路徑 ( 此初應為 C:)

至「編輯系統環境變數」>「環境變數」，進行環境變數的變更

選取Path進行編輯，在行末加入 " :; " (引號不須加入，但裡面的分號要留著)後按下確認。

安裝虛擬環境

先至命令提示字元中切換成我們要的資料夾( C:)後輸入: conda create --name tensorflow-GPU pyhton=3.5 anaconda

一陣子後畫面會問你Proceed ([y]/n)?按下y後完成虛擬環境的安裝

安裝完成後我們還要有一個執行此虛擬環境的指令 activate tensorflow-GPU 執行後，在C:(tensorflow-GPU) 即代表已成功啟用虛擬環境。

安裝tensorflow GPU版本

此步驟依然要選擇你安裝的CUDA、CudNN應該配合tensorflow的版本來進行安裝，一般要安裝最新的版本，直接打以下的指令即可 pip install tensorflow-gpu 但若要指定版本進行安裝則要輸入以下指令 pip install tensorflow-gpu==1.12

安裝keras

pip install keras

當我們完成以上步驟，原則上應該都已經將所有工具安裝完成了，但是為了避免再使用的時候才驚覺安裝出現問題，我會建議先做一輪檢查。

  1. 先確認各套件均安裝完成且沒有版本衝突 在jupyter notebook中先嘗試匯入所有套件
1
2
3
import tensorflow as tf
import keras
import matplotlib.pyplot as plt

當初我也是信誓旦旦覺得一定沒問題，但是到了這個步驟卻怎麼樣都會出現 Failed to load the native TensorFlow runtime這樣的traceback，後來找了許久也算是解決了這個莫名的問題3。

  1. 確認tensorflow版本 在jupyter notebook中輸入並執行以下code

tf.__version__

即可出現版本

  1. 最後確認tensorflow是否正確使用GPU 輸入以下code進行測試
1
2
3
4
5
6
7
8
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

在jupyter notebook上跑完之後僅會出現答案， 此時要轉到命令提示字元上看會發現如下畫面

即可確定tensorflow的確是使用GPU進行運算

進行到此，總算是真的完成了整個tensorflow-GPU版本的安裝，也恭喜完成了一項艱鉅的任務啊啊啊啊啊啊啊啊XDDDDDD

註釋

  1. TensorFlow與CUDA、CudNN之版本對照表 Nvidia GPU與CUDA之版本對照表 (2019.03.26後記) 在上面的連結中，官方建議的版本搭配為 : TensorFlow 1.12 + CUDA 9 + CudNN 7在上述各種測試當中，也似乎都可以運作，沒有問題 但是實際再跑CNN Model時卻出現 Traceback Error : Failed to get convolution algorithm.This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. 許多建議都是將 TensorFlow 降版到 1.8 ，但這實在很奇怪，我自己也希望使用較新版本，因此尋找許久終於看到一線曙光。看來 CudNN 7.0上述的搭配上面會出現無法兼容的狀況，而且不是特例。許多人建議將CudNN升級至 7.4版本便可解決。(這的確解決了我的問題XD)↩︎

  2. 在安裝時一直會出現錯誤訊息如下 : 我嘗試過許多種方式 (關掉內顯、重新安裝讀顯驅動... )，這樣的訊息仍然會依直跳出，最後我的解決方法是無視。而最後也證實這樣的方式沒有使用上的問題。↩︎

  3. 導入Keras、TensorFlow 時出現：Failed to load the native TensorFlow runtime.↩︎