DeepLearning 用 GPU 環境構築 (python framework 環境整備編)

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