Windows 10にTensorflowの環境を構築しています。
GPU利用環境ですので、CUDA及びcuDNNはインストール済みです。
以下、関連記事となります。
- Windows 10でCUDA 9.0がインストールできない（Visual Studio Integrationで失敗する）場合の対処方法
- cuDNN v7.0.5 for CUDA 9.0のインストール[On Windows 10]
前提条件
- Windows 10 Pro Version 1803
- Visual Studio Community 2015 Update 3
- NVIDIA GeForce GTX 1080 Ti
- CUDA 9.0
- cuDNN 7.0.5
Anacondaのインストール
TensorFlowの説明では、Anacondaは公式サポートしていないようですが、Ubuntuにインストールした際、いろいろとバージョン依存関係で苦戦したので、Anacondaをインストールすることにしました。
Anacondaのダウンロードサイトから、 Python 3.6 versionの最新(Anaconda3-5.1.0-Windows-x86_64.exe)をダウンロードしてきます。
※私は64bit版にしました。
ダウンロードが完了したら、インストールします。
Visual Studio Codeもインストーラに付いていたので、ついでにインストールしてみました。
TensorFlowのインストール
TensorFlowサイトの「Installing with Anaconda」に従って、インストールしていきました。
conda仮想環境を作成
Anaconda 5.1.0では、Python 3.6ですが、TensorFlow公式サイトに従い、3.5としました。
$ conda create -n tensorflow-py35 python=3.5
TensorFlow-GPUのインストール
先ほど作成した「tensorflow-py35」というconda仮想環境にTensorFlowのGPU版をインストールします。
$ conda activate tensorflow-py35
$ pip install tensorflow-gpu
動作確認
動作確認のため、kerasをインストールして、MNISTのサンプルを動かしてみます。
※MNISTの解説は、こちらが良いです。
まずは、Kerasをインストールします。
$ pip install keras
mnist_cnn.pyをダウンロードしてきます。
以下のコマンドでMNISTを実行します。
$ python mnist_cnn.py
約1分程度で実行完了しました。
以下、実行時のGPU状況です。
CPU版だとどうなる？
ちなみに、CPUで実行したらどうなのか？と思い、tensorflow CPU版用のconda仮想環境を新規作成して実行してみました。
GPU版では、「tensorflow-gpu」でしたが、CPU版は「tensorflow」と指定します。
$ pip install tensorflow
以下、実行結果です。実行完了までに約15分程度、GPU版の約15倍でした。
全然違いますね！
ちなみに、CPUは「i7-7700K」です。
タスクマネージャーで見ると100%稼働となっていました。
以上