גוגל מחויבת לקדם הון גזעי עבור קהילות שחורות. תראה איך.
דף זה תורגם על ידי Cloud Translation API.
Switch to English

תמיכה ב- GPU

תמיכה ב- TensorFlow GPU דורשת מגוון נהגים וספריות. כדי לפשט את ההתקנה ולהימנע מקונפליקטים בספריות, אנו ממליצים להשתמש בתמונת TockerFlow Docker עם תמיכה ב- GPU (לינוקס בלבד). התקנה זו מחייבת רק את מנהלי ההתקן של NVIDIA® GPU .

הוראות התקנה אלה מיועדות למהדורה האחרונה של TensorFlow. עיין בתצורות הבנייה שנבדקו עבור גרסאות CUDA® ו- cuDNN לשימוש עם גרסאות ישנות של TensorFlow.

חבילת פיפ

עיין במדריך ההתקנה של pip עבור חבילות זמינות, דרישות מערכות והוראות. כדי pip להתקין חבילת TensorFlow עם תמיכת GPU, לבחור חבילה יציבה או פיתוח:

pip install tensorflow  # stable

pip install tf-nightly  # preview

גרסאות ישנות יותר של TensorFlow

עבור המהדורות 1.15 ומעלה, חבילות CPU ו- GPU נפרדות:

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

דרישות חומרה

המכשירים הבאים המאפשרים GPU נתמכים:

  • כרטיס NVIDIA® GPU עם ארכיטקטורות CUDA® 3.5 ומעלה. עיין ברשימת כרטיסי ה- GPU המאפשרים CUDA® .
  • לגבי GPUs עם ארכיטקטורות CUDA® שאינן נתמכות, או כדי למנוע אוסף JIT מ- PTX, או להשתמש בגירסאות שונות של ספריות NVIDIA®, עיין במדריך המקור לבניית Linux .
  • במערכות עם NVIDIA® Ampere GPUs (ארכיטקטורת CUDA 8.0) או גרסאות חדשות יותר, גרעינים מורכבים על ידי JIT מ- PTX ו- TensorFlow יכול לקחת למעלה מ- 30 דקות להפעלתו. ניתן להגביל תקורה זו להתחלה הראשונה על ידי הגדלת גודל המטמון של JIT ברירת המחדל באמצעות: ' export CUDA_CACHE_MAXSIZE=2147483648 ' (ראה JIT Cache Cache לפרטים).
  • החבילות אינן מכילות קוד PTX למעט הארכיטקטורה האחרונה הנתמכת CUDA®; לפיכך, TensorFlow לא מצליחה לטעון על GPUs ישנים יותר כאשר CUDA_FORCE_PTX_JIT=1 מוגדר. (ראה תאימות יישומים לפרטים.)

דרישות תוכנה

יש להתקין את תוכנת NVIDIA® הבאה במערכת שלך:

הגדרת לינוקס

ההוראות apt להלן הן הדרך הקלה ביותר להתקנת תוכנת NVIDIA הנדרשת באובונטו. עם זאת, אם בוני TensorFlow ממקור , התקן ידני את דרישות התוכנה מפורטות לעיל, ושקלי להשתמש -devel תמונת TensorFlow דוקר כבסיס.

התקן את CUPTI שנשלח עם ערכת הכלים CUDA®. הוסף את ספריית ההתקנה שלה $LD_LIBRARY_PATH הסביבתי $LD_LIBRARY_PATH :

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

התקן את CUDA עם התאמה

פרק זה מראה כיצד להתקין את CUDA® 10 (TensorFlow> = 1.13.0) באובונטו 16.04 ו- 18.04. הוראות אלה עשויות לעבוד עבור מחוזות אחרים המבוססים על Debian.

אובונטו 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

אובונטו 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

הגדרת Windows

עיין בדרישות החומרה ודרישות התוכנה המפורטות לעיל. קרא את מדריך ההתקנה של CUDA® עבור Windows .

ודא שחבילות התוכנה המותקנות של NVIDIA תואמות את הגרסאות המפורטות לעיל. בפרט, TensorFlow לא יטען ללא הקובץ cuDNN64_7.dll . לשימוש בגירסה אחרת, עיין במדריך לבניית Windows ממקור .

הוסף את ספריות ההתקנה של CUDA®, CUPTI ו- cuDNN למשתנה הסביבתי %PATH% . לדוגמה, אם ערכת הכלים CUDA® מותקנת ב- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 ו- cuDNN ל- C:\tools\cuda , עדכן את %PATH% כך שתתאים:

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%