Nvidia cuda ошибка

Устранение неполадок с GCP + CUDA / NVIDIA + Docker и поддержание его работоспособности!

  Перевод

  Ссылка на автора

У меня был экземпляр Google Cloud Platform (GCP), который был хорошо настроен и работал нормально день назад, который был настроен после моего предыдущий урок,

Позвольте мне рассказать вам немного о машине, которую я имел,

• Ubuntu: 16.04
• GPU: 1 х P100
• CUDA: 9,1
• NVIDIA: 387.xx

Но что-то действительно странное случилось со мной, когда я запустил свой экземпляр GCP и попытался запустить докер-контейнер вчера, используя

sudo docker start <container_name>
sudo docker attach <container_name>

Что произошло?

Нет, это не сработало так, как я хотел, и забрало меня в контейнер. Вместо этого он дал мне следующую ошибку

Error response from daemon: linux runtime spec devices: error gathering device information while adding custom device “/dev/nvidiactl”: no such file or directory
Error: failed to start containers: x

Скорее всего, это произошло потому, что мой экземпляр GCP смело решил, что было бы неплохо идти вперед и обновлять все самому, и все будет волшебным образом работать намного лучше! Ну, у меня есть новости! Так не бывает.Поэтому было бы очень полезно, если бы GCP давал нам возможность отключать автоматические обновления во время начальной настройки., На самом деле, было много сообщений о том, что драйверы NVIDIA бананы (или отсутствуют) с другими обновлениями (доказательства 1, 2, 3).

Бурение вниз…

Хорошо, прежде чем углубляться в детали поиска и устранения неисправностей, позвольте мне кратко изложить, что я собираюсь сделать.

• Проверьте, распознается ли мой GPU (физически) машиной
• Проверьте, может ли NVIDIA видеть GPU
• Если NVIDIA не видит графический процессор, проверьте, установлены ли у вас пакеты CUDA / NVIDIA, и проверьте, правильно ли загружены драйверы NVIDIA.
• Если пакеты CUDA / NVIDIA установлены правильно, попробуйте исправить переменные PATH
• Если исправление переменных PATH не помогло, удалите все существующие пакеты CUDA / NVIDIA и попробуйте переустановить совместимые пакеты CUDA и NVIDIA.
• Выключите автоматическое обновление, чтобы я обновлял вещи вручную, не нарушая все.

Мой GPU распознается машиной?

Прежде всего, прежде чем проверять, правильно ли установлены библиотеки, посмотрите, видит ли ваша машина физический GPU, набрав:

lspci | grep 3D

Это должно дать что-то вроде

00:04.0 3D controller: NVIDIA Corporation Device 15f8 (rev a1)

В противном случае это может быть связано с отключением графического процессора или просто выталкиванием из гнезда, потому что вы переместили машину или что-то еще.

Проверьте состояние графического процессора с помощью интерфейса управления системой NVIDIA (NVIDIA-SMI)

Первое, что нужно сделать, этоНЕделать поспешные выводы и строго набирать текстsudo apt-get install <this-and-that> надеюсь на лучшее! На самом деле, лучшая вещь в такой ситуации (и в большинстве случаев игнорируется) состоит в том, чтобы определить, в чем проблема. Сначала давайте посмотрим, что у нас есть. Давай и печатай,

nvidia-smi

В идеале вы должны получить что-то вроде

Это не сработало …

Если вы получите что-то вроде,

NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

Это может быть связано с двумя причинами,

• Вы не вошли в систему как root, поэтому NVIDIA не может общаться (Решение:введитеsudo -sвойти в систему как root и затем попробоватьnvidia-smiопять таки)
• На самом деле у вас не установлены совместимые драйверы NVIDIA (или конфигурация не работает) (Решение требует больше работы, И это тип вопроса, который я обсуждаю здесь)

Исправление отсутствующих библиотек CUDA / NVIDIA

Поэтому, чтобы NVIDIA-SMI работала правильно, вам нужно несколько вещей для правильной настройки. Они есть,

• CUDA (включает в себя, куда-блас-, cuda-nvcc-, cuda-toolkit-, так далее.)
• Библиотеки NVIDIA (Включает в себя NVIDIA-, nvidia-docker, nvidia-modprobe, nvidia-settings и т. д.)

Давайте проверим, установлены ли они, попробуйте набрать

dpkg -l | grep nvidia

Вы должны получить

Следующая попытка,

dpkg -l | grep cuda

это должно дать

Обратите внимание, что фактический список гораздо длиннее. Но если получить довольно много хитов для CUDA, все должно быть в порядке. Но не становитесь слишком удобными! Я сталкивался с вещами, которые не работали даже с этими установленными.

Проверка загрузки модулей ядра NVIDIA

Давайте еще раз проверим, правильно ли загружаются модули ядра NVIDIA,

dmesg | grep NVIDIA

В идеале вы должны увидеть,

[ 2.261511] nvidia: module license ‘NVIDIA’ taints kernel.
[ 2.316304] NVRM: loading NVIDIA UNIX x86_64 Kernel Module 384.111 Tue Dec 19 23:51:45 PST 2017 (using threaded interrupts)
[ 2.319524] nvidia-modeset: Loading NVIDIA Kernel Mode Setting Driver for UNIX platforms 384.111 Tue Dec 19 22:56:18 PST 2017

Если вы ничего не видите, это проблематично! Это означает, что драйверы NVIDIA не были загружены должным образом.

Может ли это быть неверная конфигурация переменной PATH?

Если вы получаете оба этих вывода, как они показаны, но не правильноdmesgсообщение, у вас есть все необходимое в машине. Так что это может быть связано с некоторой простой неправильной настройкой переменных PATH. Так что откройте.bashrcфайл и добавить следующие две строки к нему.

PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}
LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64                          ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

Затем выйдите из текстового редактора и запустите

source ~/.bashrc

Перезагрузите машину и посмотрите, все ли работает нормально, попробовавnvidia-smiопять таки. (PS: не забудьте попробовать сsudoпривилегии)

Не так повезло? Самое время переустановить вещи вручную

Если вы читаете эту часть, вам не повезло, как некоторым из людей там. Хорошо, давайте идти вперед и трудиться на земле! По моему мнению, больше не стоит копать глубже и пытаться найти единственное зерно ошибки в чаше, полной библиотек На самом деле, было бы намного проще, если бы мы удалили текущие поврежденные библиотеки и установили вещи с нуля.

Узнайте правильные версии библиотеки

Сначала мы должны выяснить, что и с чем. Под этим я подразумеваю, что мы должны убедиться, что мы загружаем определенные (и правильные) версии драйверов CUDA и NVIDIA, соответствующие вашей графической карте. Итак, давайте продолжим и узнаем, что является последним.

Перейти к,

И введите подробности о,

• Графическая карта: у меня NVIDIA Tesla P100
• CUDA: поехали с 9.x

Вот результаты, которые я получил,

Теперь мы будем придерживаться этих конкретных версий при установке, чтобы избежать любых расхождений.

Удалить существующие библиотеки CUDA / NVIDIA

Сначала давайте удалим все существующие библиотеки CUDA / NVIDIA с помощью

sudo apt-get remove --purge cuda*
sudo apt-get remove --purge nvidia*

Установите CUDA / NVIDIA

Сначала получите инструментарий CUDA.debс,

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.1.85-1_amd64.debsudo dpkg -i cuda-repo-*sudo apt-get updatesudo apt-get install cuda -y

Перезагрузите систему и попробуйте,

sudo dpkg -l | grep cuda
sudo dpkg -l | grep nvidia

и вы должны увидеть правильный вывод, как показано на рисунке 2 и рисунке 3.

Время для взлома …

Я только что понял драйвер NVIDIA387.xxкоторый поставляется с CUDA 9.1, не работает для моего NVIDIA Tesla P100. Поэтому мне пришлось сначала удалить его и установить NVIDIA384.xx, Это может отличаться для вас в зависимости от карты GPU, которая у вас есть в вашем экземпляре.

Вы знаете, что странно! Я прекрасно работал с CUDA 9.1 и NVIDIA 387.xx, как показано на рисунке 1. Но теперь NVIDIA 387.xx больше не был совместим с CUDA 9.1. Я не уверен, почему, но, надеюсь, смогу докопаться до сути!

Давайте сделаем это,

sudo apt-get remove --purge nvidia-*

Теперь давайте установим драйвер NVIDIA 384.xx вручную,

sudo apt-get install nvidia-384
sudo apt-get install nvidia-modprobe

Тебе понадобитсяnvidia-modprobe дляnvidia-docker, Теперь сделайте быструю проверку переменных пути, чтобы увидеть, правильно ли они установлены

echo $PATH : You should have /usr/local/cuda-<version>/bin in this variable
echo $LD_LIBRARY_PATH : You should have/usr/local/cuda-<version>/lib64 in this variable

Сейчас попробуйnvidia-smiи вы должны увидеть нечто похожее на рисунок 1, означающее, что все вернулось к норме (надеюсь!).

Выключите автоматическое обновление!

Еще одна вещь, не забывайте, с чего все это началось. Это были автоматические обновления. Обновления важны для защиты вашей машины от внешних угроз и всего остального, но если она будет ломать мою машину каждые 5 секунд, которые я обновляю, НЕТ, СПАСИБО! Я сам обновлю его вручную. Чтобы сделать это, откройте следующий файл в текстовом редакторе,

/etc/apt/apt.conf.d/10periodic

и установить

APT::Periodic::Update-Package-Lists “0”;

Это должно остановить эти «надоедливые» (но важные) автоматические обновления. Но не забывайте регулярно обновлять свою ОС, потому что вы не хотите, чтобы кто-то взломал вашу машину.

Вывод

Итак, в этом посте мы обсудили, как устранить неполадки в экземпляре GCP, если у вас возникнут проблемы с поврежденной конфигурацией, отсутствующими драйверами и т. Д. И процесс, который я рекомендую, —

• Проверьте, распознается ли мой GPU (физически) машиной
• Проверьте, может ли NVIDIA видеть GPU
• Если NVIDIA не видит графический процессор, проверьте, установлены ли у вас пакеты CUDA / NVIDIA, и проверьте, правильно ли загружены драйверы NVIDIA.
• Если пакеты CUDA / NVIDIA установлены правильно, попробуйте исправить переменные PATH
• Если исправление переменных PATH не помогло, удалите все существующие пакеты CUDA / NVIDIA и попробуйте переустановить совместимые пакеты CUDA и NVIDIA.
• Выключите автоматическое обновление, чтобы я обновлял вещи вручную, не нарушая все.

Ура!

Почему не удается на Windows 10 установить драйвер Nvidia и решение проблемы

Windows создавалась программистами для тех же программистов. Конечного пользователя не спрашивали, хочется ли ему иметь возможность кастомизировать устройство и иметь много проблем, которые остались даже спустя 35 лет после выхода первой версии. Одна из таких – драйверы их установка. Поиск необходимого софта, проверка версий и зависимость работы ПК от этого. Разберемся, почему может не удаваться установить драйверы Nvidia и что с этим делать на Windows 10.

Зачем нужен видеодрайвер

Компьютер состоит из множества отдельных частей. Их называют комплектующими. Они соединяются в одно целое с помощью внешней оболочки программного обеспечения. В нашем случае – Windows.

Чтобы каждое устройство выполняло свою функцию, необходимо их соединить с помощью специального софта, в котором будет записано:

• что это за устройство;
• какие функции выполняет;
• какими характеристиками обладает.

В роли связующего звена между оболочкой и каждой программной частью выступают драйверы. Это специальный софт, который позволяет ПК понять, чем он обладает и как может все реализовать. В клавиатуру и мышку такие программы встроены изначально – при подключении они распознаются компьютером, быстро ставятся и позволяют работать.

Видеокарты не содержат в себе встроенных программ для установки. ПК увидит устройство, но не будет знать, что с ним делать. Владельцу компьютера будет предложено установить специальный софт, и только после этого можно начинать работу.

Почему не удается установить драйвер Nvidia на Window 10

На Виндовс 10 много причин ошибки с установкой программ. Перечислим распространенные:

• разрядность системы не соответствует софту;
• отсутствие последних обновлений;
• уже стоит устаревшее ПО Нвидиа;
• неисправность видеокарты.

За исключением неисправности, другие проблемы можно решить. Если драйвер не устанавливается, от пользователя не требуется особых знаний и умений – достаточно следовать инструкциям.

Как решить проблему

Первое, что нужно сделать – понять, почему софт не может быть установлен. Тут все просто: большинство проблем связаны с пользователями. Ошибки, невнимательность и подобные вещи встречаются слишком часто.

Нужно сначала проверить разрядность системы и софта. Чтобы все это узнать, нужно:

• кликнуть правой кнопкой мыши по ярлыку «Мой компьютер»;

• нажать «Свойства»;
• в появившемся окне узнать разрядность процессора.

32 или 64 бита – критическая разница. Она влияет на софт, и конфликтующие программы не могут быть установлены. Чтобы узнать, какой версии программа, достаточно посмотреть на название. Там будет х32 или х64.

Если проблема не в этом – переходим к следующему этапу.

Деинсталляция компонентов NVIDIA

Установка драйверов поверх существующих невозможна. Сначала их нужно убрать. Для этого надо инициировать процесс деинсталляции. Удалить все компоненты и записи в реестре.

Вручную это сделать сложно – нужно убирать все записи и файлы, разбросанные по всему ПК. Программа Revo Uninstaller позволяет удалить все драйвера на видеокарте, удалив все записи из реестра.

Если до этого удаление софта не производилось, можно перезапустить ПК и попробовать посмотреть, что получится. Если компьютер загрузился нормально, а все необходимое установлено – значит, проблема решена. Если нет – продолжаем.

Поиск и скачивание драйверов

После полной деинсталляции нужно найти последние версии драйверов. Лучше это делать на официальном сайте Nvidia или с помощью специализированного софта от компании. Вне зависимости от вариантов, на ПК и ноутбуках понадобится последнее обновление Win 10.

Установить специальный софт можно вручную или с помощью программ. Driver Booster и Driver Easy – комплексное решение для всех проблем. Не придется самостоятельно просматривать официальные сайты производителя видеокарт.

Инсталляция драйверов

Установка драйверов производится так же, как и в случае с любой другой программой. Запуск –> анализ системы –> поставить необходимые компоненты –> перезагрузить ПК. Если в процессе установки возникли проблемы, решаем их.

Те, кто следовал инструкции с самого начала, с ними не столкнутся. Исключение – код ошибки 43. Это связано со старыми версиями ПО и видеокарт, которые не могут соответствовать последней Win 10.

В 95 % случаев видеокарта неисправна, и ее нужно ремонтировать или менять на новую.

Установка Tensorflow с поддержкой CUDA, cuDNN и GPU в Windows 10

Дата публикации Apr 3, 2019

ВЧасть 1В этой серии я рассказал о том, как вы можете модернизировать аппаратное обеспечение своего ПК, добавив в него видеокарту, совместимую с CUDA Toolkit, например графический процессор Nvidia. В этой части 2 рассматривается установка CUDA, cuDNN и Tensorflow в Windows 10. В данной статье предполагается, что на вашем компьютере уже установлен CUDA-совместимый графический процессор; но если у вас этого еще нет,Часть 1из этой серии поможет вам настроить аппаратное обеспечение, готовое к этим шагам.

Шаг 1: Проверьте программное обеспечение, которое вам нужно установить

Предполагая, что Windows уже установлена ​​на вашем ПК, дополнительные части программного обеспечения, которые вы установите в рамках этих шагов: —

• Microsoft Visual Studio
• инструментарий NVIDIA CUDA
• NVIDIA cuDNN
• питон
• Tensorflow (с поддержкой GPU)

Шаг 2: Загрузите Visual Studio Express

Visual Studio является обязательным условием для CUDA Toolkit

Visual Studio требуется для установки Nvidia CUDA Toolkit (это обязательное условиеВот). Если вы попытаетесь загрузить и установить CUDA Toolkit для Windows без предварительной установки Visual Studio, вы получите сообщение, показанное на рис. 1.

Выбор и загрузка Visual Studio Express

На момент написания этой статьи самой последней версией Visual Studio (которая является бесплатной) является Visual Studio Express Community Version 2017, показанная на рис. 2. Предыдущие версии Visual Studio можно бесплатно получить, присоединившись к «Visual Studio Dev Essentials”И затем ищите нужную версию Visual Studio.

Установка Visual Studio Express

После того, как вы загрузили Visual Studio Express, его установка проста. На рис. 3 показан исполняемый файл, который вы получаете в качестве загрузки.

Когда вы нажимаете опцию «сохранить файл» на рис. 3, появляется окно на рис. 4, где вы можете установить параметры установки (или просто оставить их, как они есть по умолчанию, как я).

Во время установки Visual Studio предложит вам whetherхочу продолжить без нагрузки». Я нажал «продолжить», поскольку не собирался использовать рабочие нагрузки вообще.

Может потребоваться перезагрузка компьютера после установки Visual Studiod

После установки Visual Studio я сразу перешел к загрузке и попытке установить CUDA Toolkit для Windows — этот шагШаг 3который я буду описывать дальше. Я получил сообщение, чтоVisual Studio все еще работала и препятствовала установке CUDA Toolkit, Перезагрузка моего компьютера перед попыткой установки CUDA Toolkit снова решила эту проблему.

Эти шаги установки CUDA основаны наРуководство по установке Nvidia CUDA для Windows, Набор инструментов CUDA (бесплатный) можно загрузить с веб-сайта NvidiaВот,

На момент написания по умолчанию предлагается версия CUDA Toolkit версии 10.0, как показано на рис. 6. Однако вам следует проверить, какую версию CUDA Toolkit вы выбрали для загрузки и установки, чтобы обеспечить совместимость с Tensorflow (в будущемШаг 7этого процесса). Когда вы идете наВеб-сайт Tensorflow, последняя доступная версия Tensorflow (1.12.0) требуетCUDA 9.0не CUDA 10.0. Чтобы найти CUDA 9.0, вам нужно перейти к «Legacy Releases» в нижней правой части рисунка 6.

Шаг 3.1: Загрузка CUDA 9.0 из архива инструментария CUDA

Выбрав «Legacy Releases», вы попадете в архив CUDA Toolkit. На основеУстановка TensorflowВ соответствии с указаниями, требуемая версия CUDA — 9.0, как показано на Рис. 7.

Шаг 3.2: Установка CUDA 9.0

CUDA 9.0 поставляется как базовая установка и четыре патча; Сначала необходимо установить базовую версию CUDA 9.0, а затем патчи. Варианты базовой установки, которые я выбрал, показаны на рис. 8.

Запуск только что загруженного базового установщика приведет к появлению окна CUDA Setup Package, как показано на рисунке 9.

Программа установки CUDA извлекает данные на ваш компьютер, и после завершения начнется установка NVIDIA CUDA Toolkit; вы получите сообщение об этом Полученные окна установщика NVIDIA на протяжении всего процесса установки показаны на Рис. 10 — Рис. 13. Я выбрал вариант быстрой установки (Рис. 10).

Рис. 11 дает возможность выбрать место установки; Я выбрал расположение по умолчанию, которое для CUDA:

На рисунке 12 ниже показаны установки CUDA, основанные на Visual Studio, ранее установленной вШаг 1,

Нажатие «Далее» в окне, показанном на рис. 12 выше, дает окно окончательной установки, показанное как рис. 13 ниже, где установщик NVIDIA отмечен как завершенный.

Шаг 4: Загрузите исправления CUDA для Windows 10

На момент написания этой книги было четыре патча CUDA (а также базовый установщик), так что давайте пойдем и загрузим их. Они показаны на фиг.14.

Когда четыре исправления загружены, их можно установить так же, как и базовый установщик — с окнами установки, обеспечивающими руководство по процессу.

Шаг 5: Загрузите и установите cuDNN

После установки базового установщика CUDA 9.0 и его четырех исправлений следующим шагом будет поиск совместимой версии CuDNN. Основываясь на информации на веб-сайте Tensorflow, для поддержки Tensorflow с графическим процессором требуется версия cuDNN по адресуминимум 7,2,

Шаг 5.1: Загрузка cuDNN

Для того, чтобыскачать CuDNNВы должны зарегистрироваться, чтобы стать участником программы разработчиков NVIDIA (которая бесплатна).

Когда вы создаете учетную запись, входите в систему и заполняете некоторые другие необходимые сведения о том, почему вы используете учетную запись, вы получаете страницу загрузки, показанную на рис. 16.

Поскольку я скачал CUDA 9.0, соответствующая версия cuDNN — это версия 7.4.2. Выбор cuDNN версии 7.4.2 разрешает загрузку в виде zip-файла с именем следующим образом:

Шаг 5.2: Распаковка файлов cuDNN и копирование в папки CUDA

инструкциина нвидииобеспечить поддержку установки windows cuDNN, как и инструкции на веб-сайте Tensorflow; Я воспроизвел эти инструкции в дистиллированном виде, основываясь на своей реализации. В моем случае я загрузил названный выше файл cuDNN .zip в папку с следующим путем на моем ПК (ваш путь, без сомнения, будет другим).

В приведенных ниже инструкциях я ссылаюсь на путь к папке «C: Users жо Documents cuDNN_downloads »(Упоминается чуть выше) как« », Такой, что zip-файл теперь находится в пути:

Я разархивировал файл cuDNN «.zip», в который я его скачал, поэтому структура разархивированной папки, которая будет содержать необходимые файлы cuDNN, теперь: —

В разархивированных подкаталогах папки cuDNN находятся три файла, которые нужно скопировать в каталоги CUDA Toolkit. Это cudnn64_7.dll, cudnn.h и:

1. cudnn64_7.dll

cudnn64_7.dll можно найти по следующему пути в загруженных файлах cuDNN:

Предполагая, что вы установили CUDA 9.0 по пути по умолчанию (как я сделал вШаг 2.3), а именно следующий путь по умолчанию:

Вы можете скопироватьcudnn64_7.dllфайл прямо в папку CUDAбункерПуть к папке (примечание: вам не нужно создавать какие-либо новые подпапки):

2. cudnn.h

Как и в случае с файлом cudnn64_7.dll, приведенным выше, после загрузки и разархивирования папки cuDNN файл заголовкаcudnn64.hможно найти в пути:

Опять же, предполагая, что вы установили CUDA 9.0 в путь по умолчанию, как я сделал вШаг 2.3скопироватьcudnn.hнепосредственно в папку CUDA по следующему пути (новые подпапки не нужны):

3. cudnn.lib

.Lib файлcudnn.libможно найти в загруженном пути cuDNN:

Скопируйте cudnn.lib непосредственно в папку CUDA по следующему пути:

Шаг 5.3: Проверка того, что переменные среды CUDA установлены в Windows

Наконец,инструкции на нвидииубедитесь, что вы ранее установили переменную среды CUDA следующим образом:

В Windows 10 переменные среды можно найти, выбрав:

Панель управления->Система и безопасность->система->Расширенные настройки системы,

Откроется окно «Свойства системы» (рис. 17), в котором следует выбрать кнопку «Переменные среды».

Когда появится окно «Переменные среды», в «системных переменных» (в нижней половине окна) нажмите «Путь» и нажмите кнопку «Изменить». Появится новое окно под названием «Редактировать переменную среды», как показано на рисунке 18 ниже.

При проверке переменных среды я обнаружил процесс установки, который определяет путь установки CUDA —Шаг 3.2см. рис. 11 — уже добавлены два пути к CUDA. Эти пути показаны на рисунке 18 ниже, поэтому я обнаружил, что мне не нужно добавлять дополнительный путь CUDA.

Шаг 6: Установите Python (если у вас его еще нет)

Теперь, когда CUDA и cuDNN установлены, пришло время установить Python для последующей установки Tensorflow. На момент написания самой последней доступной версии Python 3 является Python 3.7, ноВерсии Python 3, необходимые для Tensorflow: 3.4, 3.5 или 3.6, Python 3.6 можно загрузить для Windows 10 сВот, Когда вы запустите установщик Python для окон, появится окно настройки на Рис. 19.

Из вариантов, показанных на рис. 19 выше, во время установки Python я решил выбрать все из них. Эти параметры полезны: установщик Python «pip» используется наШаг 7.2этого руководства по установке Tensorflow. Кроме того, я использую IDE (интегрированную среду разработки для написания и запуска кода Python) под названием «IDLE» вШаг 8,

В «Расширенных настройках» (показанных на Рис. 20 ниже) я выбрал установку Python для всех пользователей (которая не была отмечена по умолчанию); это дает более полезную системную установку.

Шаг 7: Установите Tensorflow с поддержкой GPU

Tensorflowпредоставляет инструкциидля проверки правильности добавления каталогов установки CUDA, cuDNN и (необязательно: CUPTI) в переменные среды PATH. Поскольку три файла cuDNN были скопированы в подпапки CUDA, я не обновил существующий путь переменных среды CUDA.

Шаг 7.1: вызов командной строки с правами администратора

На этом этапе выполняется общесистемная установка Tensorflow, а не установка для каждого пользователя. Общесистемная установка Tensorflow требует прав администратора, поэтому, соответственно, командная строка должна запускаться с правами администратора.

Откройте командную строку, запустив ‘CMD’В строке поиска, а затем щелкните правой кнопкой мыши в командной строке, чтобы выбрать« Запуск от имени администратора ». Это открывает Администратор: Командная строка, как показано на рисунке 21.

Шаг 7.2: Общесистемная установка Tensorflow через Python pip

После открытия командной строки общесистемная команда установки для Tensorflow с поддержкой GPU выглядит следующим образом:

Команда «pip3» (в отличие от «pip») требуется, так как установка выполняется в Python 3. Выполнение этой команды в командной строке показано на рисунке 22.

Результирующий вывод команды показан на рисунке 23, и, если все пойдет по плану, в конечном итоге должно появиться сообщение, подтверждающее, что Tensorflow был успешно установлен.

Шаг 8: Тестовая установка TensorFlow и его доступ к GPU

Перейдите в меню «Пуск» в Windows и найдите среду IDE с именем «idle», которая будет установлена ​​как часть вашей установки на python, если вы выбрали, как я сделал вШаг 6, Окно Python должно появиться с надписьюОболочка Python 3.6.x, По приглашению (обозначается как «>>>») импортируйте пакет Tensorflow. Это проверит, что Tensorflow был установлен (как вы можете импортировать его). Команда для оболочки IDLE для импорта пакета tenorflow выглядит следующим образом:

Чтобы проверить поддержку CUDA для вашей установки Tensorflow, вы можете запустить в командной строке следующую команду:

Наконец, чтобы убедиться, что графический процессор доступен для Tensorflow, вы можете протестировать, используя встроенную служебную функцию в TensorFlow, как показаноВот:

Требуется несколько минут, чтобы вернуть результат из этого; когда он закончен, он возвращаетсяПравда, а затем приглашение>>>`появляется снова. Импортирование тензорного потока и эти тесты показаны на рис. 24 в оболочке Python IDLE.

Выводы

Это были шаги, которые я предпринял для установки Visual Studio, CUDA Toolkit, CuDNN и Python 3.6, и все с конечной целью установки Tensorflow с поддержкой GPU в Windows 10. На сегодняшний день моя работа по машинному обучению и глубокому обучению на основе GPU была в Linux Машины с Ubuntu; к тому же, большая часть онлайновой поддержки сообщества машинного обучения фокусируется на Ubuntu

Для машинного обучения основным недостатком использования Windows является то, что необходимо создавать больше объектов из исходного кода (например, используяCmake), чем в Linux, а также для установки дополнительного программного обеспечения для процессов сборки, таких как Visual Studio. Например, если бы выустановить Caffe2в Windows нет встроенных двоичных файлов, и сборка Windows находится в тестовом и бета-режиме. Я установил CUDA и cuDNN на Windows 10 более любопытно, чем что-либо еще, просто чтобы посмотреть, насколько это было просто (или иначе).

Как я намекал вЧасть 1Теперь, когда CUDA, cuDNN и Tensorflow успешно установлены в Windows 10, и я проверил доступ Tensorflow к графическому процессору, я собираюсь смести всю операционную систему Windows 10, чтобы произвести новую установку Ubuntu 18.04 LTS. Эта новая установка Ubuntu будет рассмотрена в части 3 этой серии.

Эта статья также была опубликованаВотв моем собственном блоге.