環境
- Windows11
- RTX4070搭載
Anacondaのインストール
にメールアドレスを入力するとダウンロード画面に遷移するので，ダウンロードする．
インストーラーを起動すると
のような画面となるので，手順に沿ってインストール
CUDA Toolkitのインストール
にアクセスし，CUDA Toolkit 11.6.2を選択する．
その後，WindowsのOSのバージョンなどを設定し，ダウンロードを実行する．
のちにインストールするtensorflow-gpu 2.10.0 がこのバージョンでないと合わないので，
最新版は使用しないこと．
ダウンロード後は，インストーラーを起動し，手順に沿ってインストール
cuDNNのインストール
にアクセスし，CUDA 11.xに対応したcuDNNをダウンロードする
今回は，v8.9.7をダウンロードし，解凍する．
※ CUDA 12.x版のv8.9.7と間違えないように．一見インストールは問題なく行えたように見えるが，GPUで計算させる際に動かない．
ダウンロードする際には，アカウントの登録が必要なので，登録を行う．
すると下記のようなファイルがあるので，これを
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
を開き，そこにある,bin, include, libに移動させる．
zlibのインストール
のZLIB DLLの部分をクリックし，ダウンロードする．
ブラウザによっては，ダウンロードする際に不審なファイルと判断される場合があるので，
ダウンロードを許可してやらないといけない．
解凍すると下記のようなファイルがあるので，
dll_x64のzlibwapi.dllを
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
にコピーする．
tensorflow-gpuのインストール
先ほどインストールしたAnaconda Navigaterを起動する．
Environmentsを選択し，左下のCreateから仮想環境を作成する．
作成する際は，名前はなんでも良いが，pythonのバージョンは3.7～3.10の間にする必要がある．
作成後は，三角ボタンからターミナルを開く
ターミナルを起動後，下記の手順でtensorflow-gpuのインストールを行う．
numpyがver 1.xでないと動かないので，ダウングレードする．
(GPU)> python -m pip install -U pip setuptools
(GPU)> pip install "numpy<2.0.0"
(GPU)> pip install tensorflow-gpu==2.10.0
GPU環境がうまくできたかの確認
(GPU)>python
>>> from tensorflow.python.client import device_lib
>>> device_lib.list_local_devices()
"/device:GPU:0"
device_type: "GPU"
memory_limit: 5797576704
locality {
bus_id: 1
links {
}
}
のようにGPUの表示がでればGPUが動作している．
jupyter notebook上で動作するように設定
ipykernelをインストール
(GPU)>pip install ipykernel
(GPU)>ipython kernel install --user --name=xxxxx
仮想環境のカーネルをjupyter notebook上で使用できるようにする
xxxxxの部分には，今回作成した仮想環境名を設定．
今回であれば，GPUと記述すれば良い
Windows上のjupyter notebookを立ち上げる．
右上のnewからNotebookを選択．
Kernelを選択する画面がでるので，先ほど作成した仮想環境の名前を選択することでGPUが使用できるようになっている．
追加でpandasなどのpythonのライブラリをインストールする場合は，jupyter notebook上でインストールするのではなく，anacondaの仮想環境のターミナルでインストールする必要がある．