実際、私はCuda Toolkit11.2.0とcuDNNの8.0をインストール動作確認をしたのですが、どうしてもGPUの認識がしなかったのでその辺りの解決法も記載します。
今回の流れ
今回の作業の流れを紹介します。
- 仮想環境の構築
- tensorflowのインストール
- 動作確認
- GPUが認識しないときの対応
tensorflowインストール前の仮想環境構築
まずは、仮想環境の構築を行います。
tensorflowは様々なライブラリーと依存関係がありそのバージョンも変わってきます。また、Cuda ToolkitのバージョンによってPythonのバージョンが違います。前回調べたCuda Toolkitの、cuDNNの適応表にPythonの対応バージョンも載っているので確認してください。ここのリンク先ページ中央
Pythonのバージョンは3.6～3.8で対応しているのが確認できます。
仮想環境の構築は以前こちらのページで紹介しています。
それでは、仮想環境の構築をしていきます。
画面左下の検索ボックスに「cmd」と打ち込むことでコマンドプロンプトを起動します。
今回は、Pythonのバージョン3.6、tensorflow2.4.0で構築したいと思います。
環境名はわかりやすいようにtf240としました。
コマンドプロンプトに
conda create -n tf240 python=3.6
と入力すると
パッケージとなるライブラリーが表示されて、これでいいですか？と聞かれますので「y」でインストールを開始します。
インストールが完了すると仮想環境のアクティべートと、デアクティベートのコマンドの説明があります。
これで仮想環境の第１段階が終了です。
それでは、いよいよtensorflowのインストールに入ります。
tensorflowのインストール
いよいよ、tensorflowのインストールです。
仮想環境構築の時と同様、検索ボックスに「cmd」と入力してコマンドプロンプトを起動します。
まずは、先ほど作成した仮想環境をアクティベートします。
conda activate tf240
アクティベートされると行の初めにカッコで環境名が表示されます。
その状態で
pip install tensorflow==2.4.0
と入力することでインストールが始まります。ここで気を付けてもらいたいのがバージョンを指定する場合、イコールを２つ繋げることです。
私は繋げることを忘れて怒られてしまいました。コマンドプロンプトでフォントに色がつくなんてそうそうありません。相当怒らせてしまったのかもしれません・・・・
tensorflowはバージョン1の代ではCPU版とGPU版が別々にありましたが、バージョンが2代になってからは、ライブラリーが共通になっています。
インストールは無事に終わりましたか？
続いて、動作確認に入ります。
動作確認
それでは動作確認をしていきます。
一度コマンドプロンプトを閉じて、再度立ち上げ環境をアクティベートします。
その後、pythonと打ち込んでPythonを起動します。
起動したら以下のコマンドを打ち込みenterキーを押します。
from tensorflow.python.client import device_lib
その後に
device_lib.list_local_devices()
と打ち込み、enterキーを押することでデバイスの状態を確認することができます。
デバイスのタイプが「CPU」しか認識されていません。ＧＰＵの文字がどこにも見当たりません。認識していません。
GPUが認識しないときの対応
GPUが認識されていないときは、まずGPUのドライバーのバージョン確認、続いてドライバーに対応したCUDA Toolkit、cuDNNのバージョンの互換性をチェックしましょう。
そこに問題がない場合は以下を試してみてください。
CUDA Toolkitのフォルダ内、デフォルトでインストールしている場合は以下のパスとなります。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
ちなみに、「v11.2」はご自身のインストールしたバージョンとなります。
その中の「bin」フォルダ中「cusolver64_11.dll」というファイルがあります。
その名称を「cusolver64_10.dll」に変更します。
変更が完了したら再度先ほどのコードを実行してみましょう。
device_lib.list_local_devices()
結果はどうでしたか？
先ほどは「CPU」のみの表示でしたが、今回はきちんとGPUの名称もきちんと認識されています。
「GPU」が認識されました。
これでセットアップが完了です。
おつかれさまでした。
そこで今回はtensorflowをセットアップする前段階、Cuda ToolkitとcuDNNのセットアップを紹介していきます。
なお、CPU版のtensorflowはそのまま、pythonのバージョンを合わせてインストールで特に問題ありません。しかしGPUを使ったtensorflowはセットアップがちょっと厄介。
何が厄介なのかというと、GPUのドライバーのバージョン、CUDA toolkitのバージョン、それをコンパイルするソフトのバージョン、cuDNNのバージョンすべてが揃わないときちんと動作してくれません。
そこで、今回はGPUの確認からcuDNNのセットアップまでの紹介をしていきたいと思います。
セットアップの流れ
セットアップの流れです。以下の流れに沿ってやっていきます。
- GPUの確認
- GPUドライバーのバージョン確認
- GPUドライバーのバージョンにあったCUDA toolkit、cuDNNのバージョンを確認
- CUDA toolkitをコンパイルするソフトの確認
- CUDA toolkitをインストール
- cuDNNのインストール
の順に進めていきたいと思います。
GPUの確認
まずは、GPUの確認です。ご自身のＰＣに入っているＧＰＵは確認しなくても分かっていると思われますが、念のため。
画面左下の検索ボックスに
”dxdiag”と入力するとDirectX診断ツールが開きます。
そのディスプレイタブを選択すると、現在お使いのGPUが表示されます。
ここに記載されているのが、ご自分のPCに載っているGPUです。なお、複数枚GPUがある場合は、ディスプレイタブが2個ある場合もあります。
GPUドライバーのバージョン確認
GPUのドライバーのバージョンの確認をします。
まず、NVIDIAのドライバダウンロードのページに行きます。
そこに先ほど調べたGPUの情報を入力していきます。そして、検索をクリック。
そうすると、ドライバのバージョンが確認できます。また、ドライバは日々更新されていますので、再度ダウンロードしてインストールしておきます。
今調べたバージョンと、ご自身のPCのバージョンがあっていないとCUDAや、CuDNNの互換性がずれてしまうかもしれないので、ダウンロードしてインストールしておいてください。
GPUドライバーのバージョンにあったCUDA toolkit、cuDNNのバージョンを確認
つづいて、GPUのドライバとCUDA、cuDNNの互換性の確認です。
まずは、ドライバーとCUDAの互換性の確認です。
CUDA Toolkit Documentationのページに行きます。
ページを少し下がるとドライバーのバージョンとの互換性が確認できます。
私の場合、ドライバのバージョンが”461.09”だったのでCUDA Toolkitのバージョンは”CUDA 11.2.1 Update1″が対応していることが分かります。
このCUDA Toolkit のバージョンを覚えておきましょう。
続いて、CUDA ToolkitのバージョンとcuDNNのバージョン、CUDA Toolkitをコンパイルするソフトの確認です。
tensorflowのホームページに行きます。
そこで、上のインストールをクリック
左側に「windows」とありますので、それをクリック。
画面をスクロールしてページ中央ぐらいまで下がると、まずCPUの対応表がでてきて、その後にGPUの対応表が出てきます。
一番右側のCUDAのバージョンと先ほどしらべたバージョンを確認します。
私のGPUバージョンでは”11.2.1 Update1”とのことでしたが、表にはありません。
その為、”11.0”をインストールすることにします。その場合、cuDNNのバージョンは”8.0”、コンパイラは”MSVC2019”となり、Pythonのバージョンは3.6～3.8が対応。tensorflowは2.4.0が対応していることが確認できます。
なお、ビルドツールとして「Bazel3.1.0」とありますが、これはcuDNN
をビルドするツールですが、ZIPファイルとしてダウンロードできますのでここは無視して大丈夫です。
ここまでくれば、後はそれぞれインストールしていくだけです。
CUDA toolkitをコンパイルするソフトの確認
まずは、CUDA Toolkitのコンパイラをダウンロードします。コンパイラとはプログラムをコンピュータが分かる言語に変更するプログラムとなります。CUDA ToolkitはC++という言語で書かれているようです。C++はコードを書いて実行する時にはコンパイルする必要があるのですが、CUDA Toolkitも同様にコンパイルする必要があるようです。
そのコンパイラはVisual Studioに含まれています。”MSVC2019”とはVisual Studio2019をインストールすれば完了です。カスタムインストールでコンパイラだけインストールする事もできますが、面倒なので丸ごとインストールしてしまうことがお勧めです。もし、ご自分の対応しているものが”MSVC 2015 Update 3”であればVisual Studio2015 Update 3をインストールします。
インターネットで”Visual Studio 2019 ダウンロード”と検索し以下のページに行きます。
Visual Studio 2019の”コミュニティー版”をダウンロードしてインストールします。
インストールの際に気を付けることがあります。
”C++によるデスクトップ開発”にチェックを忘れないでください。
もし忘れてしまったら、コントロールパネルから”プログラムと機能”からVisual Studio2019を選択して”変更”から再度設定することが出来ます。
インストールが完了したら今度はCuda Toolkitのインストールに入ります。
CUDA toolkitをインストール
CUDA Toolkitダウンロードのページに行きます。
「Cuda Toolkit」のダウンロードをクリックします。クリックすると最新のバージョンのダウンロードページとなります。たのバージョンをダウンロードする場合は下の「Archive of Previous CUDA Releases」をクリックします。
今回、私はバージョン”11.2.0”をダウンロードしました。
ダウンロードページではOS、概要、のバージョン、インストールタイプを選択します。インストールタイプはファイルをダウンロードしてからインストールする場合は”exe(ローカル)”を選択し、ダウンロードしないでインストールする場合は”exe(ネットワーク)”を選択します。ローカルの方がお勧めです。
ダウンロードが終わって、インストールです。こだわりが無ければデフォルトで。
そのまま流れにそってインストールを続けていきます。
インストールオプションは高速で行いました。
インストールが完了したら、次はcuDNNのインストールです。
cuDNNのインストール
cuDNNのダウンロードのページに行きます。
「Download cuDNN」をクリックすると アカウントの登録が求められます。
初めての方は「Join now」をクリックします。
何個か質問に答えるだけで終了です。
ログインします。
「I Agree To the Terms of the」にチェックを入れます。
以前のバージョンをダウンロードしたい場合は下の
「Archived cuDNN Releases」をクリックします。
cuDNNのバージョンを選択する際に、CUDA Toolkitの対応バージョンも書いてありますので確認してからクリックします。
ダウンロード前に、再度CUDAの対応を確認しwindows対応のファイルを選択します。今回、私はcuDNNのｖ8.1.0の”cuDNN Library for Windows (x86)”
をダウンロードしました。
ダウンロードが完了したら、ファイルをデスクトップに解凍しましょう。
解凍したフォルダ内には「bin」「include」「lib」の3つのフォルダが出来上がります。
それらフォルダの中身をCuda Toolkitのフォルダにコピーします。
Cuda Toolkitのフォルダはデフォルトでインストールしているのなら
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
なお、最後の「v11.2」はご自分がインストールしたバージョンとなります。
ここまででCuda Toolkitのセットアップから、cuDNNのセットアップまでが完了しました。
次回は、tensorflowのインストールから動作確認までを紹介したいと思います。
おつかれさまでした。