Help protect the Great Barrier Reef with TensorFlow on Kaggle Join Challenge

รองรับ GPU

การรองรับ TensorFlow GPU ต้องใช้ไดรเวอร์และไลบรารีที่หลากหลาย เพื่อให้ง่ายต่อการติดตั้งและหลีกเลี่ยงความขัดแย้งห้องสมุดเราขอแนะนำให้ใช้ ภาพ TensorFlow เทียบท่าด้วยการสนับสนุน GPU (Linux เท่านั้น) การตั้งค่านี้เท่านั้นต้องใช้ ไดรเวอร์NVIDIA® GPU

คำแนะนำในการติดตั้งเหล่านี้มีไว้สำหรับ TensorFlow รุ่นล่าสุด ดู การทดสอบการสร้างการกำหนดค่า สำหรับCUDA®และ cuDNN รุ่นที่จะใช้กับรุ่นเก่า TensorFlow

แพ็คเกจปิ๊บ

ดู pip คู่มือการติดตั้ง สำหรับแพคเกจใช้ได้ข้อกำหนดระบบและคำแนะนำ TensorFlow pip แพคเกจรวมถึงการสนับสนุน GPU สำหรับบัตรCUDA®ที่เปิดใช้งาน:

pip install tensorflow

การสนับสนุนและการติดตั้งคู่มือครอบคลุม GPU ขั้นตอนสำหรับรุ่นเสถียร TensorFlow ล่าสุด

TensorFlow เวอร์ชันเก่ากว่า

สำหรับรุ่น 1.15 และเก่ากว่า แพ็คเกจ CPU และ GPU จะแยกจากกัน:

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

ข้อกำหนดฮาร์ดแวร์

รองรับอุปกรณ์ที่รองรับ GPU ต่อไปนี้:

  • การ์ด GPU NVIDIA® พร้อมสถาปัตยกรรม CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 และสูงกว่า 8.0 ดูรายชื่อของ CUDA®ที่เปิดใช้งานบัตร GPU
  • สำหรับ GPU ด้วยสถาปัตยกรรมCUDA®ไม่สนับสนุนหรือเพื่อหลีกเลี่ยงการสะสม JIT จาก PTX หรือจะใช้รุ่นต่าง ๆ ของห้องสมุดNVIDIA®ดูที่ ลินุกซ์สร้างจากแหล่ง คู่มือ
  • แพ็คเกจไม่มีรหัส PTX ยกเว้นสถาปัตยกรรม CUDA® ล่าสุดที่รองรับ จึง TensorFlow ล้มเหลวในการโหลดบน GPUs เก่าเมื่อ CUDA_FORCE_PTX_JIT=1 เป็นชุด (ดู Application Compatibility สำหรับรายละเอียด.)

ข้อกำหนดของซอฟต์แวร์

ต้องติดตั้งซอฟต์แวร์ NVIDIA® ต่อไปนี้ในระบบของคุณ:

การติดตั้งลินุกซ์

apt คำแนะนำด้านล่างเป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟแวร์ NVIDIA ต้องบน Ubuntu แต่ถ้า สร้าง TensorFlow จากแหล่งที่ ตนเองติดตั้งข้อกำหนดของซอฟต์แวร์ดังกล่าวข้างต้นและพิจารณาใช้ -devel ภาพ TensorFlow หาง เป็นฐาน

ติดตั้ง CUPTI ซึ่งจัดส่งด้วยCUDA® Toolkit ผนวกไดเรกทอรีการติดตั้งไปยัง $LD_LIBRARY_PATH ตัวแปรสิ่งแวดล้อม:

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

ติดตั้ง CUDA ด้วย apt

ส่วนนี้แสดงวิธีการติดตั้ง CUDA® 11 (TensorFlow >= 2.4.0) บน Ubuntu 16.04 และ 18.04 คำแนะนำเหล่านี้อาจใช้ได้กับ distros อื่นที่ใช้ Debian

อูบุนตู 18.04 (CUDA 11.0)

# Add NVIDIA package repositories
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
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

wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt install ./libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt-get update

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends \
    cuda-11-0 \
    libcudnn8=8.0.4.30-1+cuda11.0  \
    libcudnn8-dev=8.0.4.30-1+cuda11.0

# Reboot. Check that GPUs are visible using the command: nvidia-smi

# Install TensorRT. Requires that libcudnn8 is installed above.
sudo apt-get install -y --no-install-recommends libnvinfer7=7.1.3-1+cuda11.0 \
    libnvinfer-dev=7.1.3-1+cuda11.0 \
    libnvinfer-plugin7=7.1.3-1+cuda11.0

อูบุนตู 16.04 (CUDA 11.0)

# 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-ubuntu1604.pin
sudo mv cuda-ubuntu1604.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/ /"
sudo apt-get update
wget https://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
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt install ./libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt-get update

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends \
    cuda-11-0 \
    libcudnn8=8.0.4.30-1+cuda11.0  \
    libcudnn8-dev=8.0.4.30-1+cuda11.0


# Reboot. Check that GPUs are visible using the command: nvidia-smi

# Install TensorRT. Requires that libcudnn7 is installed above.
sudo apt-get install -y --no-install-recommends \
    libnvinfer7=7.1.3-1+cuda11.0 \
    libnvinfer-dev=7.1.3-1+cuda11.0 \
    libnvinfer-plugin7=7.1.3-1+cuda11.0 \
    libnvinfer-plugin-dev=7.1.3-1+cuda11.0

การติดตั้ง Windows

ดู ความต้องการของฮาร์ดแวร์ และ ข้อกำหนดของซอฟต์แวร์ ดังกล่าวข้างต้น อ่าน คู่มือCUDA®ติดตั้งสำหรับ Windows

ตรวจสอบให้แน่ใจว่าแพ็คเกจซอฟต์แวร์ NVIDIA ที่ติดตั้งนั้นตรงกับเวอร์ชันที่แสดงด้านบน โดยเฉพาะอย่างยิ่ง TensorFlow จะไม่สามารถโหลดได้โดยไม่ต้อง cuDNN64_8.dll ไฟล์ หากต้องการใช้รุ่นที่แตกต่างให้ดูที่ การสร้างของ Windows จากแหล่ง คู่มือ

เพิ่มไดเรกทอรีการติดตั้งCUDA®, CUPTI และ cuDNN กับ %PATH% ตัวแปรสิ่งแวดล้อม ตัวอย่างเช่นถ้าCUDA® Toolkit มีการติดตั้ง C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 และ cuDNN เพื่อ C:\tools\cuda อัปเดตของคุณ %PATH% เพื่อให้ตรงกับ:

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%