Go to Qiita Advent Calendar 2024 Top
LoginSignup
2
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@yusuke_s_yusuke(Yusuke Sakai)in立教大学

AnacondaでGPU対応のTensorFlowをインストールする簡単な方法

Last updated at Posted at 2023-11-23

はじめに

本記事は、Anacondaを使用してGPU対応のTensorFlowを導入する際に、お手軽にインストールする方法について解説します。

本記事の前提知識は、以下の2点です。

  • GPUドライバの適切なインストールされている（nvidia-smiが動作している）
  • Anacondaがインストールされていてる

なお、筆者の実装環境はUbuntu 22.04です。

最初に確認しておくこと

nvidia-smiが認識できるかチェック

以下のコマンドでGPUドライバが認識できるかを確認します。

$ nvidia-smi       
Wed Nov 22 20:04:05 2023       
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.129.03             Driver Version: 535.129.03   CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
# ---出力結果省略---

この結果にはGPUのメタ情報とともにDriver Version: XXXとCUDA Version: XXXが表示されます。CUDA VersionはDriver VersionがサポートするCUDAの最大バージョンです。このDriverのバージョン確認は重要で、適切なTensorFlowのバージョンがこれに依存します。

※この時、nvidia-smiで、command not foundやFailed to initialize NVMLなどのエラーが表示される場合は、GPUドライバが正常にインストールされていない可能性があります。この場合はドライバのインストールから始める必要がありますが、本記事ではその詳細は割愛します。

Anacondaが入っているかチェック

以下のコマンドでAnacondaがインストールされているかを確認します。

$ conda --version
conda 23.5.2

これによってAnacondaのバージョンが表示されれば、Anacondaが正常に機能しています。もしconda: Command not found.などのエラーが表示された場合は、Anacondaをインストールする必要がありますが、その詳細は本記事では省略します。

GPU対応のTensorFlowの環境作成

このセクションでは、Anacondaを使用して初めてGPU対応のTensorFlowを導入する手順を説明します。

Anaconda仮想環境にTensorFlowをインストール

AnacondaでGPU対応のTensorFlowを導入するには、以下のコマンドを使用します。

$ conda create --name tf-gpu-env tensorflow=*=gpu_*

これにより、適切なバージョンのTensorFlow、CUDA（GPUで使う）、cuDNN（GPUで使う）、PythonなどのGPUでTensorFlowを使う上で必要なライブラリが一緒に互換性を考慮してインストールされます。

なお、本記事では仮想環境の名前をtf-gpu-envとしていますが、環境名は任意に変更可能です。

TensorFlowのような大規模なライブラリを扱う際には、新しい環境（他のライブラリを入れていない環境）を作成し、そこに最初にインストールすることでエラーが起きにくくなると思います。

Anacondaに慣れている方は、conda search tensorflowと入力して表示されるバージョンの中からBuild Channelがgpu_XXXXとなっているものを選択して、適切なTensorFlowのバージョンを指定することもできます。

TensorFlowのGPU認識の確認

インストールが完了したら、GPUが正常に動作しているか確認します。まず、conda activate tf-gpu-envを使用して仮想環境に入ります。

次に、以下のPythonコードを使用してGPUが動作しているかを確認します。

tensorflow_gpu_check.py tensorflowでGPUが動いているか確認
import tensorflow as tf

# GPUが使えているか確認
print('GPU is available: ', tf.test.is_gpu_available())
出力結果
# 略
GPU is available: True

と出ていればGPUが正常に動作しています。これで終わりです。折りたたみ部分はスキップして大丈夫です。

GPU is available: Falseのような結果が表示された場合は、CUDAのバージョンとGPUドライバのバージョンの依存関係に問題がある可能性があります。その場合は折りたたみの箇所に進みます。

GPU is available: Falseと出た場合の解決方法

GPUが使えない(False)が出た場合

GPUドライバのバージョンとCUDAのバージョンの確認

まず、tensorflowを入れた環境（本記事の例ではtf-gpu-env）に入った状態で、以下のコードを使用してCUDAのバージョンを確認します。ここで表示されるTensorFlowのバージョンは後の手順で使用します。

$ conda list | grep -E 'cudatoolkit|tensorflow'
cudatoolkit               11.3.1               h2bc3f7f_2  
tensorflow                2.12.0          gpu_py39hc0f3f85_0  
tensorflow-base           2.12.0          gpu_py39h24d65da_0  
tensorflow-estimator      2.12.0           py39h06a4308_0

次に、nvidia-smiを実行し、表示されるCUDA Versionを確認します。この時、conda listで表示されたcudatoolkitのバージョンが、CUDA Versionよりも大きい場合が考えられます。その場合は次の手順に進みます。

※nvcc --versionで表示されるバージョンがCUDAのバージョンとならないので注意してください。詳細は補足をご覧ください。

仮想環境を消してtensorflowのバージョンをダウングレード

このとき、cudatoolkitだけをダウングレードすればいいというわけではありません。cudatoolkitはtensorflowや他のライブラリと依存関係にあるため、ハマる可能性があります。そのため、一度仮想環境を削除し、適切なバージョンのtensorflowを指定して再インストールします。

仮想環境からdeactivateしてGPU is available: Falseと表示された環境を削除します。

$ conda deactivate
$ conda remove --name tf-gpu-env --all

仮想環境が削除できたら、以下のコマンドを入力してAnacondaが利用可能なGPU対応のtensorflowを確認します。

$ conda search tensorflow | grep gpu_
# 略
tensorflow                    2.10.0 gpu_py310hb074053_0  pkgs/main           
tensorflow                    2.10.0 gpu_py37h84cb581_0  pkgs/main           
tensorflow                    2.10.0 gpu_py38h11b98a5_0  pkgs/main           
tensorflow                    2.10.0 gpu_py39h039f4ff_0  pkgs/main           
tensorflow                    2.11.0 gpu_py310hf8ff8df_0  pkgs/main           
tensorflow                    2.11.0 gpu_py38hec62255_0  pkgs/main           
tensorflow                    2.11.0 gpu_py39h6d58c08_0  pkgs/main           
tensorflow                    2.12.0 gpu_py310hfda07e1_0  pkgs/main           
tensorflow                    2.12.0 gpu_py311h65739b5_0  pkgs/main           
tensorflow                    2.12.0 gpu_py38h03d86b3_0  pkgs/main           
tensorflow                    2.12.0 gpu_py39hc0f3f85_0  pkgs/main

このように異なるバージョンのtensorflowが表示されます。例えば、GPUが使えない(False)が出た場合で表示されたバージョンが2.12だとすると、それよりも低いバージョンの2.11をインストールする場合は次のようにします。

conda create --name tf-gpu-2.11-env tensorflow=2.11.0=gpu_*

インストールが完了したら仮想環境に入り、再びTensorFlowのGPU認識の確認の手順に戻り、GPUが正常に認識されるか確認します。必要に応じて、再帰的にTensorFlowのバージョンをダウングレードしていくことで、基本的にはこれでGPUが使えるようになると思います。

まとめ

本記事では、Anacondaを使用してGPU対応のTensorFlowを導入する手順について解説しました。

ポイントとしては、以下の2点です。

  • GPUドライバの対応したバージョンのtensorflowを使う。
  • 仮想環境を作成時（他のライブラリを入れていない環境）にインストールする。

GPUでTensorFlowを動かしてみたい方の一助になれば幸いです。

補足

nvcc --versionのCUDAのバージョンとの違いについて

CUDAのバージョンを理解するとき、nvccとの関係を抑えておく必要があります。nvccとcudatoolkitの用語の意味は以下のようになります。

  • nvcc: NVIDIA CUDA Compilerの略で、CUDAのコンパイラです。CUDAプログラムをコンパイルしてGPU上で実行可能なバイナリに変換します。nvcc --versionは、基本的にシステム全体のCUDAバージョンを示します。wihch nvccで確認すると使われているnvccのパスを確認できます。

  • cudatoolkit: NVIDIAが提供するCUDAのソフトウェア開発キットです。これにはnvccなどのツールやCUDAランタイムライブラリなどが含まれます。通常、ユーザーはこれを直接使うことはありませんが、CUDAアプリケーションをビルドするためには必要です。

Anaconda環境ではcudatoolkitが専用に提供されており、これがAnaconda内で使用されるCUDAバージョンとして機能します。したがって、nvcc --versionで表示されるのはシステム全体のCUDAバージョンであり、Anaconda環境内で動作するTensorFlowなどのライブラリは、Anaconda内に導入されたcudatoolkitを使用します。
そのため、nvcc --versionはシステム全体のCUDAバージョンを示すことになり、Anaconda環境内で実際に動作するCUDAバージョンとは違う場合があります。

実際にTensorFlowで使われているCUDAバージョンをPythonで確認するには、以下のコードを使います。

使用されているCUDAバージョンの確認
import tensorflow as tf

sys_details = tf.sysconfig.get_build_info()
cuda_version = sys_details["cuda_version"]
print('cuda_version: ', cuda_version)

tensorflow-gpuでインストールするときはnumpyエラーに注意

AnacondaでGPU対応のTensorFlowをインストールするもう一つの方法として、tensorflow-gpuを使う手がありますが、numpyのバージョンでハマることがあるので注意が必要です。

以下に、この問題に遭遇した具体的なケースを紹介します。

まず、次のコマンドを使用してtensorflow-gpuをインストールします。この手順でCUDA、cuDNN、PythonなどTensorFlowで必要となるモジュールが同時にインストールされます。

$ conda create -n tf-gpu-env2 tensorflow-gpu

インストールが完了したら、作成した仮想環境にactivateして入ります。

$ conda activate tf-gpu-env2

Pythonでimport tensorflowを実行します。この時、以下のエラーが発生する可能性があります。

AttributeError: module 'numpy' has no attribute 'object'.
`np.object` was a deprecated alias for the builtin `object`. To avoid this error in existing code, use `object` by itself. Doing this will not modify any behavior and is safe. 
The aliases was originally deprecated in NumPy 1.20; for more details and guidance see the original release note at:
    https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations

このエラーは、numpyとtensorflowのバージョンの互換性に関するものです。仮想環境でtensorflow-gpuを構築した場合でも、互換性の問題が発生する可能性があるため、注意が必要です。

詳細は下記の記事にまとめておりますので、良かったらそちらをご覧ください。

他のライブラリも使う場合

TensorFlow以外のライブラリも一緒に使いたい場合、仮想環境を構築する際に同時にインストールしておくと、比較的スムーズに環境を構築できると思います。ただし、この方法が必ずしも問題なく機能するわけではなく、エラーが発生したりバージョン指定が必要な場合もありますので、注意が必要です。

例えば、OpenCVを一緒に使用したい場合は、以下のようにコマンドを記述します。

conda create --name tf-gpu-opencv-env tensorflow=*=gpu_* opencv

これにより、tensorflowとopencvが同時にインストールされた仮想環境が作成されます。必要に応じて他のライブラリも同様に指定してインストールできます。

参考資料

2
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
2
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?