自宅のPCでGPUを使用して深層学習するための環境構築
数年前に元々ゲーム用に買った、デスクトップPC(windows)を深層学習ができるように環境構築した時の備忘録。
目的としては、Tensorflow 2.6使用時にGPUを認識させて学習をすること。
参考サイト:https://www.kkaneko.jp/cc/tools/index.html#S4
【自宅の環境】
●GPU:GeForce GTX 1060
●CUDA:11.4
→「nvcc -V」で確認可能
●cuDNN:8.2.4
→「cudnn_version.h」のソースコードから確認可能
【関連するツールの説明】
●CUDA:CUDA(Compute Unified Device Architecture)とはNVIDIAが開発・提供している、GPU向けの汎用並列コンピューティングプラットフォーム(並列コンピューティングアーキテクチャ)
●cuDNN:ディープニューラルネットワークでの使用を目的とした、GPUアクセラレーション型のプリミティブのライブラリ。
【手順概要】
0.事前確認:TensorFlowのバージョンと対応する各ツールキットのバージョンを確認する(例:Tensorflow:2.6→ CUDA:11.4 or 11.3,cuDNN:8.2系列)
1.マイクロソフトC++ビルドツール（Build Tools for Visual Studio 2019）のインストール
2.NVIDIAグラフィックスドライバのインストール
3.NVIDIA CUDA ツールキットのインストール
4.NVIDIA cuDNN のインストール
5.Nvidia CUDA コンパイラ (NVCC)の動作確認
(6.pythonの環境構築)
7.Tensorflow等の深層学習関連のライブラリをインストール
上記の方法で、TensorflowやPytorchを使用する際にGPUを使用して学習をさせることができた。
しかし、かなり前のGPUのためあまり学習速度の改善はなかった。
今だと、Google ColaboratoryやGCPで環境を構築するのがお手軽で早いかもしれない。