windows10上でChainerでcuDNNを使った機械学習の環境セットアップの作業メモです。
■環境
OS: Windows10 Pro
CPU: Intel(R) Core(TM) i5-8400 CPU @ 2.80GHz
RAM: 16G
GPU: Nvidia GeForce GTX 1080Ti
■手順
●Anacondaのインストール
https://www.anaconda.com/
でインストーラをダウンロードし、実行するだけです。
非推奨と書かれてるPATHの設定をするチェックボックスを押すと赤字になって注意喚起されますが、
power shellから使うには設定しておいた方が良い気がします。
途中でVisualStudioCodeのインストールをするか聞いてくるのでOKする。
インストールが完了したらpower shellでpython のバージョンを確認
$ python –version
Python 3.6.5 :: Anaconda, Inc.
$ conda –version
conda 4.5.4
●CUDAのインストール
https://docs.nvidia.com/cuda/cuda-quick-start-guide/index.html
に従って進めます。
CUDA Toolkit をインストール
今回は最新の9.2(2018.07.20時点)をダウンロード
インストーラを起動すると作業フォルダを聞いてくるので適当な場所を選んで進む。(Cドライブで作業したくない人は適宜変えてください。)
途中で画面が真っ暗になる事がありますという警告が出ますが、真っ暗になっても少し待つと復帰します。
完了するとここに入っているはずです
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
tensorflowは9.0を指定しているので、tensorflow自体やkerasのバックエンドでtensorflowを使う場合は9.0に読み替えてください。その場合は、cuDNNも9.0用のバージョンをインストールしてください。
●cuDNNのインストール
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-windows
に従って進めます。
https://developer.nvidia.com/rdp/cudnn-download
からwindows10用のものをダウンロードして解凍
公式サイトに
Copy the following files into the CUDA Toolkit directory.
Copy <installpath>\cuda\bin\cudnn64_7.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
Copy <installpath>\cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
Copy <installpath>\cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
とあるのでそのようにします。(V9.0の部分は今回はV9.2です。)
次に、環境変数を設定します。
Variable Name: CUDA_PATH
Variable Value: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
今回は、9.2を入れたので
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
です。
Cuda Toolkitをインストールした時に自動的に設定されているかもしれません。
●cupyのインストール
1 |
pip install cupy |
でエラーになるので、
VisualStudio 2017 Communityをインストールします。
インストール途中で出てくるコンポーネントの選択画面で
「C++によるデスクトップ開発」にチェックを入れて、右側に出てくるオプションの「デスクトップ用VC++2015.3 V14.00(v140)ツールセット」にチェックを入れてインストール
場所は、デフォルトで
C:\Program Files (x86)\Microsoft Visual Studio\2017\Community
になっています。
インストール後再起動し、
C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin
が出来ているか確認して環境変数のPathに追加
そして再度
pip install cupy
すると
1 2 3 4 |
Successfully built cupy fastrlock distributed 1.21.8 requires msgpack, which is not installed. Installing collected packages: fastrlock, cupy Successfully installed cupy-4.3.0 fastrlock-0.3 |
cupyがインストールできました。
※pip installした時に
1 |
distributed 1.21.8 requires msgpack, which is not installed. |
という警告が出たので、
1 2 |
pip install msgpack pip install msgpack-python |
●chainerインストール
1 |
pip install chainer |
何かサンプルを動かしてみます。
git clone https://github.com/chainer/chainer
してexempleのmnistの学習をやってみます。
1 2 3 |
cd chainer/example/mnist python train_mnist.py #CPUで実行 約7分 python train_mnist.py -g 0 #GPUで実行 約1分 |
などやってみて速さの違いを体感してとりあえず今回は終了です。
●GPUの状態をモニタリング
1 2 |
cd 'C:\Program Files\NVIDIA Corporation\NVSMI\' PS C:\Program Files\NVIDIA Corporation\NVSMI> .\nvidia-smi.exe |
というツールで温度などが見えます。
1 2 3 4 5 6 7 8 9 |
+-----------------------------------------------------------------------------+ | NVIDIA-SMI 385.54 Driver Version: 385.54 | |-------------------------------+----------------------+----------------------+ | GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 108... WDDM | 00000000:01:00.0 On | N/A | | 33% 56C P8 16W / 250W | 352MiB / 11264MiB | 1% Default | +-------------------------------+----------------------+----------------------+ |