久々に環境構築やりました。
作業メモとして残します。
前提環境
- Windows10 Professional 64bit
- Anaconda3 5.0.0 64bit(Python3.6)
導入するもの
- CUDA 9.0
- cuDNN 7.1.3
- TensorFlow
- Keras
導入
CUDA 9.0のインストール
ここからCUDA9.0をダウンロード。
Base Installerに加えて、Patch 1、Patch 2があったので、全て入れました。
構成は推奨設定にしました。
cuDNN 7.1.3のインストール
ここからcuDNN 7.1.3 for CUDA 9.1をダウンロード。
zipを解凍した中身を確認し、CUDAをインストールしたディレクトリにコピー。
[C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0]に、cuDNNを解凍したディレクトリと同じ、bin,include,libディレクトリがあります。
仮想環境の作成
Anaconda Promptを起動し、以下の入力をして仮想環境を作成し、アクティブ化する。
create_env
conda create -n [仮想環境名] python=3.6 jupyter
activate [仮想環境名]
TensorFlowのインストール
Anaconda Prompt上で以下のコマンドを実行する。
install_tensorflow
pip install --ignore-installed --upgrade tensorflow-gpu
バージョン確認
check_tensorflow_version.py
import tensorflow as tf
tf.__version__
実行結果
'1.8.0'
Kerasのインストール
Anaconda Prompt上で以下のコマンドを実行する。
install_keras
pip install keras
バージョン確認
check_keras_version.py
import keras
keras.__version__
実行結果
'2.1.6'
バックエンドは自動でTensorFlowになってました。
以下で確認可能です。
\Users\[User]\.keras\keras.json
"backend": "tensorflow"
動作確認
Jupyterノードブックを作成し、Keras公式のMNISTサンプルを貼り付けると、ちゃんと動作しました。
Kerasのimportに失敗するので、最初に仮想環境へのパスだけ通しました。
仮想環境でモジュールを追加すると毎回必要になるのだけど、Anaconda仮想環境＋Jupyterで、もっといいやり方ないだろうか。
sample.ipynb
import sys
sys.path.append('C:\\Users\\[User]\\Anaconda3\\envs\\[仮想環境名]\\Lib\\site-packages')