Google is committed to advancing racial equity for Black communities. See how.
หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

รองรับ GPU

การรองรับ TensorFlow GPU ต้องมีไดรเวอร์และไลบรารีหลายประเภท เพื่อลดความซับซ้อนในการติดตั้งและหลีกเลี่ยงความขัดแย้งของไลบรารีเราขอแนะนำให้ใช้ อิมเมจ TensorFlow Docker ที่รองรับ GPU (Linux เท่านั้น) การตั้งค่านี้ต้องใช้ ไดรเวอร์NVIDIA® GPU เท่านั้น

คำแนะนำการติดตั้งเหล่านี้มีไว้สำหรับ TensorFlow รุ่นล่าสุด ดู การกำหนดค่าการสร้างที่ทดสอบ สำหรับCUDA®และ cuDNN เวอร์ชันที่จะใช้กับ TensorFlow รุ่นเก่า

แพ็คเกจ Pip

ดู คู่มือการติดตั้ง pip สำหรับแพ็คเกจที่มีข้อกำหนดของระบบและคำแนะนำ แพ็คเกจ TensorFlow pip ประกอบด้วยการรองรับ GPU สำหรับการ์ดที่เปิดใช้งานCUDA®:

pip install tensorflow

คู่มือนี้ครอบคลุมการสนับสนุน GPU และขั้นตอนการติดตั้งสำหรับ TensorFlow รุ่นล่าสุดที่ เสถียร

TensorFlow เวอร์ชันเก่ากว่า

สำหรับรุ่น 1.15 และเก่ากว่าแพ็คเกจ CPU และ GPU จะแยกกัน:

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

ข้อกำหนดฮาร์ดแวร์

รองรับอุปกรณ์ที่รองรับ GPU ต่อไปนี้:

  • การ์ดNVIDIA® GPU ที่มีสถาปัตยกรรมCUDA® 3.5, 3.7, 5.2, 6.0, 6.1, 7.0 และสูงกว่า 7.0 ดูรายการ การ์ด GPU ที่รองรับCUDA®
  • ในระบบที่ใช้NVIDIA® Ampere GPUs (สถาปัตยกรรม CUDA 8.0) หรือใหม่กว่านั้นเคอร์เนลจะถูกคอมไพล์ JIT จาก PTX และ TensorFlow อาจใช้เวลากว่า 30 นาทีในการเริ่มต้นระบบ ค่าโสหุ้ยนี้สามารถ จำกัด เฉพาะการเริ่มต้นครั้งแรกโดยการเพิ่มขนาดแคช JIT เริ่มต้นด้วย: ' export CUDA_CACHE_MAXSIZE=2147483648 ' (ดูรายละเอียดใน การแคช JIT )
  • สำหรับ GPU ที่มีสถาปัตยกรรมCUDA®ที่ไม่รองรับหรือเพื่อหลีกเลี่ยงการคอมไพล์ JIT จาก PTX หรือเพื่อใช้ไลบรารีNVIDIA®เวอร์ชันต่างๆโปรดดูบิลด์ Linux จาก คู่มือ ซอร์ส
  • แพ็คเกจไม่มีรหัส PTX ยกเว้นสถาปัตยกรรมCUDA®ที่รองรับล่าสุด ดังนั้น TensorFlow จึงไม่สามารถโหลดบน GPU รุ่นเก่าเมื่อตั้งค่า CUDA_FORCE_PTX_JIT=1 (ดูรายละเอียด ความเข้ากันได้ของแอปพลิเคชัน )

ข้อกำหนดของซอฟต์แวร์

ต้องติดตั้งซอฟต์แวร์NVIDIA®ต่อไปนี้ในระบบของคุณ:

การตั้งค่า Linux

คำแนะนำที่ apt ด้านล่างเป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ NVIDIA ที่จำเป็นบน Ubuntu แต่ถ้า สร้าง TensorFlow จากแหล่งที่ ตนเองติดตั้งข้อกำหนดของซอฟต์แวร์ดังกล่าวข้างต้นและพิจารณาใช้ -devel ภาพ TensorFlow หาง เป็นฐาน

ติดตั้ง CUPTI ซึ่งมาพร้อมกับ CUDA® Toolkit เพิ่มไดเร็กทอรีการติดตั้งเข้ากับ $LD_LIBRARY_PATH สภาวะแวดล้อม $LD_LIBRARY_PATH :

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

ติดตั้ง CUDA ด้วย apt

ส่วนนี้แสดงวิธีการติดตั้งCUDA® 10 (TensorFlow> = 1.13.0) บน Ubuntu 16.04 และ 18.04 คำแนะนำเหล่านี้อาจใช้ได้กับ distros อื่น ๆ ที่ใช้ Debian

อูบุนตู 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

อูบุนตู 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

การตั้งค่า Windows

ดู ข้อกำหนดฮาร์ดแวร์ และ ข้อกำหนดซอฟต์แวร์ที่ ระบุไว้ด้านบน อ่าน คู่มือการติดตั้งCUDA®สำหรับ Windows

ตรวจสอบให้แน่ใจว่าแพ็คเกจซอฟต์แวร์ NVIDIA ที่ติดตั้งตรงกับเวอร์ชันที่ระบุไว้ด้านบน โดยเฉพาะอย่างยิ่ง TensorFlow จะไม่โหลดหากไม่มีไฟล์ cuDNN64_7.dll หากต้องการใช้เวอร์ชันอื่นโปรดดูที่ Windows build from source guide

เพิ่มไดเร็กทอรีการติดตั้งCUDA®, CUPTI และ cuDNN ให้กับตัวแปรสภาวะแวดล้อม %PATH% ตัวอย่างเช่นหากติดตั้งCUDA® Toolkit กับ C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 และ cuDNN เป็น C:\tools\cuda ให้อัปเดต %PATH% ของคุณให้ตรงกับ:

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%