前提
- Python 環境として Anaconda を使う
- CUDA 関連のインストールは完了している
構築するもの
- tensolflow 1.8 + gpu用仮想環境
- pytorch 0.4.0 + gpu用仮想環境
両方の環境に一般的に機械学習で使うであろうパッケージも追加
【備考】:
末尾に tensorflow 1.4 -> 1.5 にアップグレードした際の方法メモあり
末尾に tensorflow 1.5 -> 1.6 にアップグレードした際の方法メモあり
Tensolflow 環境
作った環境と使用した conda コマンド
conda create -n tensorflow-gpu python=3.6
activate tensorflow-gpu
conda install pandas matplotlib jupyter notebook scipy scikit-learn scikit-image h5py seaborn
pip install opencv-python
pip install tensorflow-gpu
- バージョン指定する場合は tensorflow-gpu==1.4 のように書く
- h5py は tf.Keras でチェックポイントを書き出す際に必要とされるライブラリ
動作チェック
- tensorflow は公式インストールガイドに記載された以下のコマンドでチェック(IPythonか何かを起動して実行してください)
- エラーが起きず、Session コマンド で gpu の情報が出力されればOK
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
pytorch 環境
pytorc のみのインストール手順は公式ホームページにて説明があるので, バージョンが異なる場合はそちらを参照してください.
作った環境と使用した conda コマンド
conda create -n pytorch python=3.6
activate pytorch
conda install pandas matplotlib jupyter notebook scipy scikit-learn scikit-image seaborn
pip install opencv-python
conda install pytorch cuda90 -c pytorch
pip install torchvision
動作チェック
- 以下のコマンドで Ture が戻ってくればOK
import torch;
print(torch.cuda.is_available())
Appendix
【tensorflow 1.4 -> 1.5 の変更】
tensolflow が 1.5 にバージョンアップしたので cuda 8.0, cuDNN v6 を cuda 9.0, cuDNN v7 を入れなおして
tensolflow の仮想環境で
pip install -U tensorflow-gpu
を実行することで, 無事に tensorflow 1.5.0 がインストールされて gpu も認識された.
【tensorflow 1.5 -> 1.6 の変更】
tensolflow が 1.6 にバージョンアップした.
tensofboard のパッケージ名が変更されているので、以下の順でアップグレードする必要がある.
pip uninstall tensorflow-tensofboard
pip install -U tensorflow-gpu