新しいGPUで古いverの深層学習フレームワークのコードを動かす際の注意点

はじめに

深層学習界隈は時の進みが異常に早くて，一年前のコードが今のフレームワークで動かないことがザラにある．

ハマった例

手元にNvidiaのRTX 2080 Ti 及び GTX 1080 Tiがある環境で，下記のコードを動かすことを考える．

mil-tokyo/bc_learning_sound

SetUpの項目に次のように書いてある．

Install Chainer v1.24 on a machine with CUDA GPU.

それならばと思ってchainerのdockerhubへ飛び，v1.24.0をpullする．

ところが，そのままだと次のエラーが出てプログラムが終了する．

nvcc fatal : Value ‘sm_75’ is not defined for option ‘gpu-architecture’

GTX 1080 Tiに切り替えても同様のエラーが生じる．

nvcc fatal : Value ‘sm_61’ is not defined for option ‘gpu-architecture’

原因は何か？

GPUが新しすぎるため，CUDAが対応していないためだった．
sm_(num)は，GPUのアーキテクチャの番号を表しており，ここに詳細が載っている．

chainerのtag:v1.24.0の環境では，CUDAのバージョンが7.5だったが，GTX 1080 TiはCUDA 8 から，RTX 2080 Tiに至ってはCUDA 10以降でないとCUDAが使えない．

解決策

公式GitHubに転がっているDockerfileを拝借し，cuda 8.0に書き換えてbuildした

Dockerfile

FROM nvidia/cuda:8.0-cudnn5-devel
RUN apt-get update -y && \
    apt-get install -y --no-install-recommends \
    python3-dev \
    python3-pip \
    python3-wheel \
    git \
    cmake \
    libblas3 \
    python3-setuptools && \
    rm -rf /var/lib/apt/lists/* /var/cache/apt/archives/*
RUN pip3 install chainer==1.24.0

おわりに

公式イメージだけだとどうしても限界があるので，自前でどんどんbuildしようね．