Установка pytorch и tensorflow с графическим процессором с поддержкой CUDA
Возможно, вы видели мощь графических процессоров в последние годы. Глубокое обучение - это использование графических процессоров для выполнения сложных вычислений в CONVNETS и последовательном моделировании, выполняемых за изрядное количество времени. Nvidia, лидер в производстве видеокарт, создала CUDA - платформу для параллельных вычислений. Nvidia действительно продвинулась в области глубокого обучения и действительно продвинулась в приложениях для глубокого обучения.
Только графические процессоры Nvidia имеют расширение CUDA, которое позволяет поддерживать графические процессоры для Tensorflow и PyTorch. (Так что этот пост предназначен только для графических процессоров Nvidia)
Сегодня я собираюсь показать, как установить pytorch или tensorflow с графическим процессором с поддержкой CUDA. Я стараюсь охватить все необходимые темы.
У меня самого были определенные трудности при загрузке и установке программ и драйверов. Я подумал, что мне стоит написать об этом пост.
Предварительные требования: если у вас есть ноутбук, отвечающий перечисленным ниже требованиям, вы можете загрузить программное обеспечение CUDA.
- ОЗУ: требуется минимум 16 ГБ ОЗУ. Вы также можете обойтись с оперативной памятью 8 ГБ, но у нее есть свои сложности.
- Графический процессор: CUDA совместим почти со всеми моделями с 2006 года, но требуется как минимум gtx 1050ti, 1060 и выше.
- SSD или HDD: для более быстрой обработки требуется SSD с объемом памяти не менее 256 ГБ. После установки программного обеспечения на SSD 128 ГБ не хватает места.
ПРИМЕЧАНИЕ. Я пишу этот пост, имея в виду, что вы уже установили anaconda или любую другую платформу (желательно anaconda), и имея в виду, что у вас уже есть видеокарта nvidia (чтобы проверить, есть ли у вас видеокарта nvidia - goto -
«Диспетчер устройств» - ›нажмите« Дисплейные адаптеры »-› Надеюсь, в списке есть чип Nvidia ».
Давайте начнем.
ШАГ 1. Проверьте совместимость вашей видеокарты. Последняя среда, называемая «CUDA Toolkit 9», требует вычислительной мощности 3 или выше
Вы можете проверить вычислительные возможности и совместимость ниже:
ПРИМЕЧАНИЕ. Видеокарта nvidia geforce gtx 1050ti не указана в списке, но она совместима и имеет вычислительные возможности 6,1.
ШАГ 2. Загрузите Visual Studio 17 (сообщество). Когда вы нажимаете кнопку "Загрузить", загружается исполняемый файл, и появляется всплывающее окно.
Затем отметьте все вышеперечисленные флажки в рабочей нагрузке, например, «Разработка настольных компьютеров с помощью C ++», «Разработка универсальной платформы Windows» и «Разработка настольных компьютеров .NET». И жмем установить.
Затем потребуется некоторое время и перезагрузка компьютера.
ШАГ 3. Затем полностью закройте Visual Studio, откройте установщик Visual Studio и в установленной части баннера в сообществе Visual Studio 2017 нажмите кнопку «Изменить». Он показан ниже
Затем перейдите к отдельным компонентам, которые будут помимо рабочей нагрузки и попадут в раздел инструментов сборки компиляторов и времени выполнения, и установите следующие флажки, как показано на рисунке, от набора инструментов VC ++ v14.00 для настольных компьютеров до последних инструментов VC ++ 2017 v141
Нажмите «Установить», это около 17 ГБ, загрузка займет около часа, установка и перезагрузка системы займет около часа.
ШАГ 4. После успешной установки Visual Studio 17 необходимо загрузить и установить CUDA.
Выберите тип установщика exe (локальный), загрузите список загрузок по очереди и установите их по очереди.
ПРИМЕЧАНИЕ. При загрузке выберите экспресс, если вы ничего не знаете о программе. Также убедитесь, что VS 17 полностью закрыт при загрузке CUDA.
ШАГ 5: После установки CUDA теперь вы должны проверить, работает ли CUDA. Итак, откройте Visual Studio 17 и перейдите по ссылке ниже
В верхнем левом углу нажмите «Файл» → «Создать» - - ›« Проект ». На левой боковой панели щелкните стрелку рядом с «NVIDIA», затем «CUDA 9.0». Щелкните «CUDA 9.0 Runtime» в центре. Назовите проект как хотите. Нажмите «ОК» в правом нижнем углу. Visual Studio приступит к созданию проекта.
ШАГ 6. Теперь, когда проект создан и у вас уже написана программа по умолчанию. Затем, если вы пойдете и перестроите проект после нажатия кнопки перестроения в параметрах сборки, вы можете получить ошибки (возможно). Если возникает эта ошибка, просто перейдите к - кнопку Project на панели параметров и щелкните свойства проекта, который вы создали, например,
Затем выскакивает окно, и здесь вы должны изменить следующее:
общие ›› платформенный набор инструментов, затем измените Visual Studio 17 v141 на Visual Studio 15 v140 и нажмите ОК.
Затем запустите код, и, если он работает без ошибок, ОТЛИЧНО !!. Если нет, попробуйте найти ошибку.
Затем в кнопке отладки нажмите «Пуск» без отладки, и, если он показывает результат, вы успешно запустили программу cuda.
Тогда вперед.
ШАГ 7. Теперь, когда вы успешно выполнили программу CUDA, теперь вы должны указать путь для CUDA. Чтобы задать путь, вам нужно перейти к - -
щелкните правой кнопкой мыши на моем компьютере ›› свойства ›› дополнительные системные настройки ›› переменные среды ›› системные переменные ›› путь
Найдя путь, перейдите к нему, в папке CUDA и скопируйте путь.
C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0 \ bin
Теперь вставьте путь в путь в системных переменных, то есть выберите путь и нажмите `` Редактировать '', в редактировании нажмите новую кнопку и вставьте туда путь. Нравится
Теперь вернитесь и сделайте то же самое для папки «libnvvp» и сделайте то же, что и выше.
ШАГ 8: Теперь загрузите драйверы nvidia для вашего ноутбука. Проверьте системные требования и загрузите драйверы специально для своих ноутбуков.
ШАГ 9. Теперь загрузите cudnn (библиотека глубокой нейронной сети). Это zip-архив, распакуйте его. Вырежьте папку cudnn из загрузок на диск c и вставьте ее туда (где угодно на диске c).
Https://developer.nvidia.com/cudnn
Теперь так же, как мы делали выше, задавая пути, мы должны сделать то же самое для папки cudnn. откройте папку bin в папке cudnn и скопируйте путь к системным переменным.
системные переменные ›› путь ›› редактировать ›› новое - затем вставьте путь туда.
ШАГ 10. Теперь вы можете установить pytorch или tensorflow.
Для загрузки pytorch: запустите эту команду
conda install pytorch -c pytorch pip3 install torchvision
Проверьте вывод, запустив любой код.
Для загрузки tensorflow: сначала вам нужно создать среду conda для tenorflow
pip install tensorflow-gpuТеперь вы готовы к работе. Теперь, когда у вас есть графические процессоры с поддержкой CUDA, у вас будет больше вычислительной мощности и скорости работы.
Вы можете посмотреть это видео
Теперь, когда вы установили все необходимое для вычислений на GPU, позвольте мне предупредить вас, что вы не тренируете огромные наборы данных, это просто повредит ваш компьютер. Примите все необходимые меры предосторожности, потому что графические процессоры очень быстро нагреваются. Так что будьте осторожны при программировании.
На этом все и желаю глубокого обучения / машинного обучения.
