eGPUによる環境構築報告がなかったので、需要は小さいだろうがポエムとして残しておく。数多のログインループとdependency hellを乗り越えて。~~むしゃくしゃしたから書いた。~~

ハードウェア

機種: HP Spectre x360 13-ac000
外付けGPU: akitio node pro
GPU: nvidia gtx 1080ti msi armor

前提環境

Windows10とのdualboot

sudo apt update
sudo apt upgrade
cat /etc/lsb-release
#DISTRIB_ID=Ubuntu
#DISTRIB_RELEASE=18.04
#DISTRIB_CODENAME=bionic
#DISTRIB_DESCRIPTION="Ubuntu 18.04.2 LTS"

NVIDIA driverのインストール

ubuntu18.04だと自動でeGPUを認識してくれた。usb-c/thunderboltすごい。
以前、環境構築したときはdriver .runファイルを公式から落としてきたり、nouveauをblacklistしたが最近は必要ないようだ。

GPUを認識しているか確認。

lspci | grep -i nvidia
#07:00.0 VGA compatible controller: NVIDIA Corporation GP102 [GeForce GTX 1080 Ti] (rev a1)
#07:00.1 Audio device: NVIDIA Corporation GP102 HDMI Audio Controller (rev a1)

GPUに必要なdriverの確認

ubuntu-drivers devices
#== #/sys/devices/pci0000:00/0000:00:1c.4/0000:02:00.0/0000:03:01.0/0000:05:00.0/0000:06:01.0/0000:07:00.0 ==
#modalias : pci:v000010DEd00001B06sv00001462sd00003607bc03sc00i00
#vendor   : NVIDIA Corporation
#model    : GP102 [GeForce GTX 1080 Ti]
#driver   : nvidia-driver-418 - third-party free recommended
#driver   : nvidia-driver-396 - third-party free
#driver   : nvidia-driver-410 - third-party free
#driver   : nvidia-driver-415 - third-party free
#driver   : nvidia-driver-390 - distro non-free
#driver   : xserver-xorg-video-nouveau - distro free builtin

ここでdriverを上手く指定してあげないとログインループに嵌まる

sudo apt install nvidia-driver-390 nvidia-settings
sudo init 6 #reboot

必要に応じて、sudo prime-select queryでintelと返ってきたら、

sudo prime select nvidia
sudo init 6

上手くログインできたらnvidia-smiでGPU確認。

tensorflowのインストール

Anacondaからインストールする。
そうなのだ。最近はCUDAやcuDNNのインストールが不要となっていた。どうやら、パッケージがCUDAやcuDNNのバイナリを含んでいるようだ。~~だがこれはこれでconda installのとき一緒にどのversionかを気をつけないと痛い目にあった。~~
anacondaのインストールは済んでいるとする。

壊れてもいいように仮想環境構築

conda create --name tf-gpu
source activate tf-gpu

多少versionは落ちるが

conda install \
tensorflow-gpu==1.12 \                                                   
cudatoolkit==9.0 \                                                       
cudnn=7.1.2 \                                                            
h5py
conda install keras ## optional

jupyter notebookのkernel登録

conda install jupyter
conda install ipykernel
python -m ipykernel install --user --name tf-gpu --display-name "tf-gpu"

GPU実行確認

python -c "from tensorflow.python.client import device_lib; device_lib.list_local_devices()"

長々としたoutputにGPUとあったら使えている。

pytorchのインストール

仮想環境とか

conda create -n pytorch python=3.6 numpy scipy

公式サイトから必要な情報を入力するとインストール方法が分かる。今回は、CUDA9.0指定。

conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

GPU実行確認

import torch 
print(torch.cuda.is_available())
>> True

torch.cuda.get_device_name(0)
>> 'GeForce GTX 1080 Ti'

失敗したこと

NVIDIA-driverのバージョン

推奨されているようにsudo ubuntu-drivers autoinstallを実行してしまうと、もれなくnvidia-driver-418 - third-party free recommendedがインストールされてログインできなくなる。そんなときは慌てず騒がずgrubでsafe modeまたはログイン画面でAlt + F2を押してterminalに入る。sudo apt remove nvidia*で一度driverを消してあげればまたログインできるようになる。

ライブラリインストール

まず、nvidia-driver-390までインストールできた。前回と同じようにCUDAをインストールしようとしたところ、driver incompatabilityやらでまたログインループに嵌った。今度は、CUDA/cuDNNなしのインストール方法を模索した。公式tensorflowの指示通りにdockerを立ち上げたがdriver incompatibleと怒られた。(nvidia-driverをインストールしておくだけで実行できると書かれているにも関わらず。）今度はanacondaからinstallしようとした。conda install tensorflow-gpuで実行できるかと思われたが最新のCUDA10がインストールされ、driver incompatible。仮想環境を作っていたので、apt installよりは気楽である。最終的にdriverに一致するCUDAを特定し、そこから対応するtensorflowを探し、上記バージョン指定となった。

結語

これでもNVIDIA公式.runファイルとの格闘はなくなり簡単になったとは思う。GPU設定は根気が必要。

追記(2019/07/14)

ある時、アップデート後にthunderboltが認識されなくなった。
sudo apt install bolt で解決した。

Ubuntu18.04にeGPUでDeep Learning環境を構築した（失敗談付き）