Как начать работу с нейронными сетями на графической плате в Windows

01 мая 2020 13:11

Полная инструкция по установке связки Anaconda Python+Theano+TensorFlow GPU+Keras

Для работы с большими данными нужны серьезные вычислительные мощности и хорошим выходом является привлечение графических плат, имеющих большое число вычислительных ядер, работающих параллельно. Благодаря этому, такой мощный инструмент анализа данных, как нейронные сети может резко увеличивать скорость своего обучения.

В сети Интернет много всяких материалов, показывающих как установить библиотеку для работы с нейронными сетями TensorFlow на работу с графическим процессором, но все они чем-то отличаются и не ко всем подходят (возникают проблемы в установке). Поэтому здесь представлено руководство по установке, которое успешно прошло и работает.

Вначале нужно проверить свою видеокарту на совместимость: https://developer.nvidia.com/cuda-gpus
Нужна Compute Capability 3.0 и выше


1.    Установка VS 2015
Запустить скаченный файл от имени администратора.
  

VS2015VS2015


2.    Скачивание VS2015 https://www.microsoft.com/ru-ru/SoftMicrosoft/vs2015Community.aspx
Войти под учетной записью Микрософт, выбрать Предыдущие версии
 

VS2015


Найти 2015 версию и нажать Скачать
 

VS2015


Найти Visual Studio Community 2015, выбрать разрядность х64 или х86 (32 разряда) и обязательно язык English.
После нажать Download.
 

VS2015


3.    Скачивание .NET Framework 4.6.1 и установка 
 

NET

Установка CUDA 9.0

CUDA

 Делее все по умолчанию.
Скачать архив cudnn-9.0-windows7-x64-v7.1.zip  с сайта NVIDIA и распаковать.
сuDNN представляет собой архив, в котором всего три файла:
•    bin\cudnn64_7.dll
•    include\cudnn.h
•    lib\x64\cudnn.lib
Эти файлы нужно распаковать в каталог, где установлена CUDA 9.0. Как правило, это C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0.


Проверка установки CUDA
Проверить, правильно ли установилась CUDA и видит ли она ваш GPU, можно с помощью утилиты nvidia-smi.exe. Эта утилита показывает доступные GPU для CUDA. Утилита работает в командной строке и при установке по умолчанию находится в каталоге c:\Program Files\NVIDIA Corporation\NVSMI. 
 

CUDA


В выводе nvidia-smi.exe видно, что в компьютере есть один GPU с номером 0, модель GeForce GTX 650. В нижней части показаны процессы, которые используют GPU.
Видеокарта есть в выводе nvidia-smi.exe, это означает, что CUDA установлена успешно.
После установки Microsoft Visual Studio, NVIDIA CUDA и cuDNN, компьютер необходимо перезагрузить.

4.    Установка Анаконда Python 3.6
 

Anaconda

5.    Создание выделенного информационного окружения
В меню пуск найти программу Anaconda Promt
conda create -n tensorflow pip python=3.5
 

Anaconda


activate tensorflow
 

Anaconda


pip install --ignore-installed --upgrade tensorflow-gpu
 

Anaconda


pip install keras
Anaconda

6.    Установка Keras
В меню пуск найти программу Anaconda Promt
activate tensorflow
conda install -c conda-forge keras

Во время установки потребуется ввести ответ «y» (yes) на вопрос о продолжении обработки зависимостей.

Anaconda


7.    Установка TensorFlow для GPU
В меню пуск найти программу Anaconda Promt
conda install tensorflow-gpu
Во время установки потребуется ввести ответ «y» (yes) на вопрос о продолжении обработки зависимостей.

Anaconda


8.    Проверка установки
Введите в окно python команду
    Include keras
В ответ должна быть надпись
TensorFlow backend
import tensorflow as tf
 tf.test.gpu_device_name()

Это означает, что все установлено успешно и можно начинать работу!

(с) Роман Исаков, 2019