Как начать работу с нейронными сетями на графической плате в Windows
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.
2. Скачивание VS2015
https://www.microsoft.com/ru-ru/SoftMicrosoft/vs2015Community.aspx
Войти под учетной записью Микрософт, выбрать Предыдущие версии
Найти 2015 версию и нажать Скачать
Найти Visual Studio Community 2015, выбрать разрядность х64 или х86 (32 разряда) и обязательно язык English.
После нажать Download.
3. Скачивание .NET Framework 4.6.1 и установка
Установка CUDA 9.0
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.
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
5. Создание выделенного информационного окружения
В меню пуск найти программу Anaconda Promt
conda create -n tensorflow pip python=3.5
activate tensorflow
pip install —ignore-installed —upgrade tensorflow-gpu
pip install keras
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.
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.
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