Подготовьте свой компьютер к запуску алгоритмов глубокого обучения на графическом процессоре.
Введение
Глубокое обучение - это быстро развивающаяся технология и достижение в области искусственного интеллекта (ИИ). Глубокое обучение решает множество проблем, особенно в секторах здравоохранения и сельского хозяйства. Точность зашкаливает, и мы надеемся, что это станет следующим большим достижением. Они используются для классификации различных типов раковых клеток, просто глядя на изображение с высокой точностью. Они используются повсюду, и даже когда я пишу эту статью, глубокое обучение помогает мне писать правильные предложения, проверяет орфографические ошибки и так далее.
Но чтобы получить такую точность, нам нужно обучить алгоритм для нескольких эпох. Это вызовет большую нагрузку на ЦП системы. Что, если мы будем использовать графический процессор вместо процессора? Как можно настроить такую установку? Давайте посмотрим, как устанавливается TensorFlow с необходимым программным обеспечением и пакетами для обучения нашей модели на графическом процессоре, а не на процессоре.
Обзор
Давайте посмотрим на содержание, которое мы рассмотрим в этой статье.
- Предпосылки
- Установка Microsoft Visual Studio
- Установка NVIDIA CUDA ToolKit
- Установка NVIDIA CuDNN
- Настройка пути к среде
- Тестирование TensorFlow с помощью графического процессора
- Заключение
Предварительные требования
Все, что вам нужно перед настройкой графического процессора TensorFlow:
- Python (рекомендуется последняя версия)
- Анаконда или миниконда (последняя)
На данный момент этого достаточно. Нам нужна Anaconda для создания среды и простой обработки пакетов. Итак, я выбрал Анаконду. Вы также можете использовать миниконду, если хотите.
Установка Microsoft Visual Studio
Самое первое, что вам нужно сделать, это установить Microsoft Visual Studio с их официальной страницы загрузки. Загрузите его здесь. Убедитесь, что вы загрузили версию сообщества. Теперь продолжайте и устанавливайте его.
При установке Microsoft Visual Studio убедитесь, что вы выбрали следующие дистрибутивы C ++.
после выбора следующих дистрибутивов C ++ нажмите «Установить».
Примечание. Это может занять некоторое время, так как устанавливается очень большой пакет размером более 10 ГБ, поэтому сделайте перерыв и выпейте чай…
Установка NVIDIA CUDA ToolKit
В зависимости от вашего графического процессора (GTX 1650, GTX 1660ti и т. Д.) Вы можете выбрать NVIDIA CUDA ToolKit на официальном сайте здесь. Для высокопроизводительных графических процессоров рекомендуется версия CUDA выше 10.0. Протестируйте свою версию набора инструментов CUDA на своем графическом процессоре.
В моем случае для GTX 1650 идеально подошел CUDA ToolKit 10.0. Убедитесь, что вы загрузили правильную версию ToolKit. Если вы завершили версию, нажмите кнопку загрузки и дайте ей загрузиться.
После выбора спецификаций и нажатия exe (локальный) в качестве типа установщика вы получите что-то вроде этого ниже откуда вы можете скачать ToolKit.
Как только вы нажмете кнопку Загрузить, ToolKit начнет установку, и вы сможете перейти к следующему требованию.
Установка NVIDIA CuDNN
Хорошо, следующее, что нужно загрузить, - это очень важная библиотека NVIDIA CuDNN. Библиотека NVIDIA CUDA ® Deep Neural Network (cuDNN) - это библиотека примитивов для глубоких нейронных сетей с ускорением на GPU. cuDNN предоставляет тщательно настроенные реализации для стандартных процедур, таких как прямая и обратная свертка, объединение, нормализация и уровни активации.
Поэтому важно, чтобы он был в вашей системе, когда вы выполняете задачи глубокого обучения. Перейдите на официальную страницу NVIDIA CuDNN с здесь.
Примечание. Вам необходимо войти в учетную запись NVIDIA, чтобы загрузить библиотеку CuDNN. Обязательно сделайте это.
Установите необходимый CuDNN на основе выбранного и загруженного CUDA ToolKit.
Загрузите необходимую библиотеку CuDNN для Windows 10.
Вот и все, вы скачали все необходимые библиотеки для настройки графического процессора TensorFlow. Теперь нам просто нужно настроить все библиотеки и запустить наш алгоритм глубокого обучения на ПК.
Настройка пути к среде
Перед редактированием переменных системной среды вам необходимо извлечь только что загруженную библиотеку CuDNN. вы увидите файл под названием c uda, скопируйте эту папку и вставьте его на свой диск C :.
Примечание: вы можете извлечь CuDNN и поместить его на любой нужный вам диск. C: рекомендуется использовать Диск.
Теперь вам нужно открыть окно редактирования своих системных переменных среды и отредактировать свой системный путь. Перейдите и выберите путь на вкладке системные переменные и нажмите изменить , чтобы отредактировать путь. Если вы поместили извлеченную папку CuDNN cuda в C: Drive, то путь к системным переменным должен выглядеть следующим образом .
C:\cuda\bin C:\cuda\include C:\cuda\lib\x64
Уууууууууууууууууууууууу ... Вот и все, мы закончили с настройкой системных переменных. Теперь нам нужно создать новую среду anaconda и проверить наш графический процессор TensorFlow, было ли соединение успешным или нет.
Тестирование TensorFlow с графическим процессором
Хорошо ... Хорошо ... Хорошо (ссылка на Мэтью МакКонахи ...) Пришло время протестировать наш TensorFlow с графическим процессором. Итак, откройте приглашение анаконды и создайте новую среду, используя следующую команду.
conda create -n TensorFlow_GPU_Test python=3.7
После создания среды активируйте среду с помощью следующей команды.
conda activate TensorFlow_GPU_Test
затем введите следующую команду, чтобы установить TensorFlow-GPU версии 2.0.0.
pip install tensorflow-gpu==2.0.0
Вот и все. Теперь настал момент ИСТИНЫ ...
введите python и войдите в режим интерпретатора python. Импортируйте TensorFlow и начните тестирование следующих команд.
import tensorflow as tf print(tf.test.is_gpu_available()) print(tf.test.is_built_with_cuda())
Это должно дать вам следующий результат как ИСТИНА. нравится
Если вы выполнили все шаги, описанные выше, вы получите результат, очень похожий на то, что вы видите выше.
Примечание. В зависимости от вашего графического процессора результат может меняться, например, имя графического процессора, его частота и т. д.
Заключение
В этой статье мы увидели подробное введение об установке пакетов глубокого обучения и установке некоторых библиотек, которые необходимы TensorFlow для запуска алгоритма глубокого обучения на графическом процессоре. Мы прошли каждый процесс шаг за шагом. Я надеюсь, что эта статья была полезна для всех вас, и я надеюсь, что вы все получите такой же ИСТИННЫЙ результат, как и я. Увидимся в моей следующей статье, а пока, как всегда, повторение обучения кода …….
Подпишитесь, чтобы узнать больше…
