تلتزم Google بتعزيز المساواة العرقية للمجتمعات السوداء. أنظر كيف.
ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

دعم GPU

يتطلب دعم TensorFlow GPU مجموعة متنوعة من برامج التشغيل والمكتبات. لتبسيط التثبيت وتجنب تعارضات المكتبة ، نوصي باستخدام صورة TensorFlow Docker مع دعم GPU (Linux فقط). يتطلب هذا الإعداد فقط برامج تشغيل NVIDIA® GPU .

تعليمات التثبيت هذه خاصة بأحدث إصدار من TensorFlow. راجع تكوينات البناء المختبرة لإصدارات CUDA® و cuDNN لاستخدامها مع إصدارات TensorFlow الأقدم.

حزمة النقطة

راجع دليل تثبيت النقطة للحزم المتوفرة ومتطلبات الأنظمة والتعليمات. إلى pip تثبيت حزمة TensorFlow بدعم GPU، اختيار مجموعة مستقرة أو التنمية:

pip install tensorflow  # stable

pip install tf-nightly  # preview

إصدارات أقدم من TensorFlow

بالنسبة للإصدارات 1.15 والإصدارات الأقدم ، تكون حزم CPU و GPU منفصلة:

pip install tensorflow==1.15      # CPU
pip install tensorflow-gpu==1.15  # GPU

متطلبات الأجهزة

الأجهزة التالية التي تدعم GPU مدعومة:

  • بطاقة NVIDIA® GPU مع بنى CUDA® 3.5 أو أعلى. راجع قائمة بطاقات GPU التي تدعم CUDA® .
  • بالنسبة لوحدات معالجة الرسومات ذات بنيات CUDA® غير المدعومة ، أو لتجنب تجميع JIT من PTX ، أو لاستخدام إصدارات مختلفة من مكتبات NVIDIA® ، راجع دليل إصدار Linux من المصدر .
  • في الأنظمة التي تحتوي على وحدات معالجة رسومات NVIDIA® Ampere (بنية CUDA 8.0) أو أحدث ، يتم تجميع النواة من خلال JIT من PTX ويمكن أن يستغرق TensorFlow أكثر من 30 دقيقة لبدء التشغيل. يمكن أن يقتصر هذا الحمل على البدء الأول عن طريق زيادة حجم ذاكرة التخزين المؤقت الافتراضية لـ JIT بـ: ' export CUDA_CACHE_MAXSIZE=2147483648 ' (انظر تخزين JIT المؤقت للحصول على التفاصيل).
  • لا تحتوي الحزم على رمز PTX باستثناء أحدث بنية CUDA® المدعومة ؛ لذلك ، يفشل TensorFlow في التحميل على وحدات معالجة الرسومات الأقدم عند CUDA_FORCE_PTX_JIT=1 . (راجع توافق التطبيق للحصول على التفاصيل.)

متطلبات البرنامج

يجب تثبيت برنامج NVIDIA® التالي على نظامك:

إعداد Linux

و apt التعليمات التالية هي أسهل طريقة لتثبيت برنامج NVIDIA المطلوبة على أوبونتو. ومع ذلك ، إذا كنت تقوم بإنشاء TensorFlow من المصدر ، فقم بتثبيت متطلبات البرامج المدرجة أعلاه يدويًا ، -devel في استخدام صورة -devel -devel TensorFlow كقاعدة.

قم بتثبيت CUPTI الذي يأتي مع مجموعة أدوات CUDA®. إلحاق دليل التثبيت الخاص به $LD_LIBRARY_PATH البيئي $LD_LIBRARY_PATH :

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

تثبيت CUDA مع apt

يوضح هذا القسم كيفية تثبيت CUDA® 10 (TensorFlow> = 1.13.0) على Ubuntu 16.04 و 18.04. قد تعمل هذه التعليمات مع توزيعات أخرى قائمة على دبيان.

Ubuntu 18.04 (CUDA 10.1)

# Add NVIDIA package repositories
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.1.243-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo dpkg -i cuda-repo-ubuntu1804_10.1.243-1_amd64.deb
sudo apt-get update
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-get update

# Install NVIDIA driver
sudo apt-get install --no-install-recommends nvidia-driver-450
# Reboot. Check that GPUs are visible using the command: nvidia-smi

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends \
    cuda-10-1 \
    libcudnn7=7.6.5.32-1+cuda10.1  \
    libcudnn7-dev=7.6.5.32-1+cuda10.1


# Install TensorRT. Requires that libcudnn7 is installed above.
sudo apt-get install -y --no-install-recommends libnvinfer6=6.0.1-1+cuda10.1 \
    libnvinfer-dev=6.0.1-1+cuda10.1 \
    libnvinfer-plugin6=6.0.1-1+cuda10.1

Ubuntu 16.04 (CUDA 10.1)

# Add NVIDIA package repositories
# Add HTTPS support for apt-key
sudo apt-get install gnupg-curl
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_10.1.243-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo dpkg -i cuda-repo-ubuntu1604_10.1.243-1_amd64.deb
sudo apt-get update
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt-get update

# Install NVIDIA driver
# Issue with driver install requires creating /usr/lib/nvidia
sudo mkdir /usr/lib/nvidia
sudo apt-get install --no-install-recommends nvidia-418
# Reboot. Check that GPUs are visible using the command: nvidia-smi

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends \
    cuda-10-1 \
    libcudnn7=7.6.4.38-1+cuda10.1  \
    libcudnn7-dev=7.6.4.38-1+cuda10.1


# Install TensorRT. Requires that libcudnn7 is installed above.
sudo apt-get install -y --no-install-recommends \
    libnvinfer6=6.0.1-1+cuda10.1 \
    libnvinfer-dev=6.0.1-1+cuda10.1 \
    libnvinfer-plugin6=6.0.1-1+cuda10.1

إعداد Windows

راجع متطلبات الأجهزة ومتطلبات البرامج المذكورة أعلاه. اقرأ دليل تثبيت CUDA® لنظام التشغيل Windows .

تأكد من تطابق حزم برامج NVIDIA المثبتة مع الإصدارات المذكورة أعلاه. على وجه الخصوص ، لن يتم تحميل cuDNN64_7.dll بدون ملف cuDNN64_7.dll . لاستخدام إصدار مختلف ، راجع دليل إنشاء Windows من المصدر .

أضف دلائل تثبيت CUDA® و CUPTI و cuDNN إلى متغير البيئة %PATH% . على سبيل المثال ، إذا تم تثبيت CUDA Toolkit على C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 و cuDNN إلى C:\tools\cuda ، C:\tools\cuda بتحديث %PATH% للمطابقة:

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%