【初心者向け】CUDA cuDNN TensorFlow GPU版をWindowsにインストールした

こんばんは。Toruです。

今回は私の新しく買ったパソコンNew Alienware Aurora R9にTensorFlow GPU版を入れたのでそのやり方などについてお話しします。

私がインストールしたやり方やバージョンなどについても詳しく説明していきたいと思います。

インストールがうまくいかない方に少しでも参考視していただければと思います。

Alienware Aurora R9 Win10Pro/Core i7-10700KF/32GB/1TB SSD/RTX2070SUPER

DELL

design by kaereba

Amazonで見る

公式ページで見る

PCのスペック（&開発環境）

まずは私のPCの環境について紹介しておきます。

パソコンの情報

そしてこのパソコンに以下のドライバーやソフトをインストールしていきます。

インストールするソフトウェアのバージョン

NVIDIA Driver：442.92（インストールはここからできます）
CUDA：9.0（インストールはここからできます）
cuDNN：7.4.1.15（インストールはここからできます）
python：3.6.1（pythonをまだインストールしていない方はこちらから）
Visual Studio 2015 C++ 再頒布可能パッケージ（インストールはこちらから）
Bazel：0.15.0（インストールこちらから）
MSYS2（インストールはこちらから）
Build Tools（インストールはこちらから）
Visual Studio 2019 for Windows Community（インストールはこちらから）
TensorFlow-gpu：1.12.0
TensorBoard：1.12.0
TensorFlow-estimator：1.13.0
Keras：2.2.4

注）TensorFlow-gpu は最新版ではありません。

最新版は他のソフトウェアとまだ完璧な互換性がなく、うまく動作しなかったのでダウングレード版を入れました。

Error : Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.

ドライバーやソフトウェアをインストールする

それでは、必要なソフトウェアをたくさんインストールしていきます。

NVIDIA Driver（ver. 442.92）

NVIDIA製のGPUを使いますのでそれに合わせたドライバーをインストールします。

■インストールURL

インストールUR

https://www.nvidia.co.jp/Download/index.aspx?lang=jp

GPUのスペックを入力

ページを開いたら自分のGPUのスペックを入力します。（画像内の情報は私のGPUのスペックですが、ダウンロードタイプについてはStudio Driver(SD)を選択しインストールしました。）

ドライバーをインストール

入力後、【検索】を選択し最適なドライバーをインストールする。

インストール後はそのファイルを展開するだけで完了です。

CUDA（ver. 9.0）

次にCUDA（クーダ）をダウンロードします。

CUDAとはNVIDIAが提供しているGPU向け汎用並列コンピューティングプラットフォームやプログラミングモデルです。

■インストールURL

インストールUR

https://developer.nvidia.com/cuda-downloads

PCの情報を入力

自分のPCの情報を選択する。

注）Legacy Releasesを選択

Downloadボタンが表示されるがそのボタンは押さず、その下にある【Legacy Releases】を選択する。

インストール

その中に【CUDA Toolkit 9.0】があるのでそれを選択し、インストールする。

インストール後はそのファイルを展開するだけで完了です。

cuDNN （ver. 7.4.1.15）

続いてcuDNNをインストールします。

cuDNNとはNVIDIAが提供しているDeep Learning用ライブラリで、これを使うことで高速に学習を行うことができます。

■インストールURL

インストールUR

https://developer.nvidia.com/cudnn

【Download cuDNN】を選択

サイトのトップページから【Download cuDNN】を選択する。

（無料）メンバーシップ登録をする

ここではメンバーシップになってくださいと出てくるので、自分のどうでも良いメールアドレスなどの情報を入力する。（設定するのに5分くらい）

【Download cuDNN v7.4.1 for CUDA 9.0】をインストール

Joinしたら【cuDNN Download】画面を下にスクロールし【Download cuDNN v7.4.1 for CUDA 9.0】を選択し、インストールする。インストール後はそのファイルを展開するだけで完了です

Python（ver. 3.6.1）

次にpythonをインストールします。

■インストールURL（あまりここからやる人はいないと思うが一応）

インストールUR

https://www.python.org/downloads/release/python-361/

pipのアップグレード

コマンドプロンプトから以下のコマンドを入力しpipをアップグレードしておく。

python -m pip install --upgrade pip

1	python -m pip install --upgrade pip

pythonをダウンロード

pythonのバージョンを指定してダウンロード

python -m pip install --user python==3.6.1

1	python -m pip install --user python==3.6.1

インストールしたら環境変数からPATHを指定しておきましょう。

やり方がわからない方はこちらのサイトを参考にしてください。

https://www.javadrive.jp/python/install/index3.html

Visual Studio 2015 C++ 再頒布可能パッケージ

今度はVisual Studio 2015 C++再頒布可能パッケージをインストールします。

■インストールURL

インストールUR

https://www.microsoft.com/ja-jp/download/details.aspx?id=48145

ファイルを選択〜ダウンロード

日本語を選択し、ファイルを選択。2種類あるが、両方を選択する。

選択したら【次へ】を押してダウンロードを開始する。

ダウンロードはすぐ終わる。ダウンロードしたファイルを解凍しインストールする。これで Visual Studio 2015 C++の設定は完了。

Bazel（ver. 0.15.0）

次にBazelをインストールします。

BazelとはGoogleが社内で使っているビルドツールをベースにして開発された無料のビルドツール。（他で使っているところを私は知らない…。）

■インストールURL

インストールUR

https://github.com/bazelbuild/bazel/releases?after=0.17.1

【Windows】を選択

トップページからWindowsを選択。

URLを開く

サイトのStep 3:Download Bazelから下のURLを開く。

インストール

サイトの下にいき【Release 0.15.0】のAsselsを展開する。

その中にある【bazel-0.15.0-windows-x86_64.exe】を選択しインストールする。

Bazelはインストール後、ファイル名を「Bazel.exe」に変更してください。

さらに、Cドライブ内に「tools」ディレクトリを作成し、ディレクトリ内に以下のファイルを入れてください。

cuda（インストールしたCUDAの中に小文字で「cuda」というディレクトリがあるはずですのでそれをコピーして入れてください。）
Bazel.exe
CUDA_Occupancy_Calculator.xls（これはいるかわかりませんが、念のため入れておいてください。C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/tools内にあります。）

MSYS2

次にMSYS2をインストールします。MSYS2とは、Windows上で動作するUnixシェルやらなんやらを統合したパッケージみたいです。（説明はめんどくさかったので、詳しく知りたい方はググってみてください。）

■インストールURL

インストールUR

https://www.msys2.org/

インストール

トップページ上のexeファイルを選択しインストール開始。
インストールした展開する。
Cドライブの中にmsys2のディレクトリが追加されていることを確認したら環境変数でPATH C:\msys64\usr\bin を追加する。

コマンド

そうしたらコマンドプロンプトを開き以下のコマンドを入力する。

pacman -S git patch unzip

1	pacman -S git patch unzip

Build Tools

まだまだあります。次はBuild Toolsをインストールします。

■インストールURL

インストールUR

https://visualstudio.microsoft.com/ja/downloads/?rr=https%3A%2F%2Fwww.tensorflow.org%2Finstall%2Fsource_windows

ダウンロード

トップページを下にスクロールし、【Build Tools for Visual Studio 2019】をダウンロードします。

色々選択しダウンロード

次に【C++ Build Tools】を選択し、インストールの詳細ーオプションから、画像の③の通りに選択しインストールを開始します。

Visual Studio 2019 Community

今度は、Visual Studio 2019 Communityをインストールします。

■インストールURL

インストールUR

https://visualstudio.microsoft.com/ja/downloads/?rr=https%3A%2F%2Fwww.tensorflow.org%2Finstall%2Fsource_windows

ダウンロード

トップページからVisual Studio 2019 Communityをダウンロードします。

インストール

ダウンロードが終わったらファイルを開き、【C++によるデスクトップ開発】を選択。

インストールの詳細ーオプションから、画像の③の通りに選択しインストールを開始します。

TensorBoard, TensorFlow-estimator, Keras

最後に、コマンドプロンプトからライブラリをインストールします。

■コマンドプロンプトからライブラリをインストールするためのコマンド

python -m pip install --user tensorboard==1.12.0 tensorflow-estimator==1.13.0 keras==2.2.4

1	python -m pip install --user tensorboard==1.12.0 tensorflow-estimator==1.13.0 keras==2.2.4

これでインストールは終わりです。お疲れ様でした。

PATHの設定

さて、今までインストールしたものへのPATHを通していきます。

一つ一つ説明するととても長くなってしまうので、追加するPATHを一覧で表示します。

"/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/bin"
"/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/libnvvp"
"/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/extras/CUPTI/libx64"
"/c/Program Files/NVIDIA Corporation/Nsight Compute 2019.4.0/"
"/c/Program Files/NVIDIA Corporation/NVIDIA NvDLISR"
"/c/Program Files(x86)/NVIDIA Corporation/PhysX/Common"
"/c/Program Files(x86)/Microsoft VisualAtudio/Shared"
"/c/tools/cuda/bin"
"/c/tools"
"/c/Users/{User Name}/AppData/Roaming/Python/Python36?Scripts"
"/msys64/usr/bin"

"/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/bin"

"/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/libnvvp"

"/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/extras/CUPTI/libx64"

"/c/Program Files/NVIDIA Corporation/Nsight Compute 2019.4.0/"

"/c/Program Files/NVIDIA Corporation/NVIDIA NvDLISR"

"/c/Program Files(x86)/NVIDIA Corporation/PhysX/Common"

"/c/Program Files(x86)/Microsoft VisualAtudio/Shared"

"/c/tools/cuda/bin"

"/c/tools"

"/c/Users/{User Name}/AppData/Roaming/Python/Python36?Scripts"

"/msys64/usr/bin"

めっちゃ多いですね…。

実際にプログラムを実行して確認

それでは実際にプログラムを走らせて確認してみましょう。

今回もVSCodeを使っていきます。

【初心者】10分でVSCodeセットアップ〜前編〜こんにちは。Toruです。今回はプログラム開発用フレームワークVisual Studio Codeの簡単なセットアップの仕方について...

【初心者でも解る】VSCodeでライブラリ簡単インストール〜後編〜今回はVSCodeを使ってpythonの色々なライブラリを簡単にインストールしてく方法についてご紹介してきます。セットアップについては前回記事にしましたのでまだ見ていない方はそちらもご覧になってください。...

■走らせるプログラム

# 開発環境
# CPU：Intel Core i7 9700
# GPU：NVIDIA RTX 2700 SUPER
# OS ：Windows 10 Home

import keras
import tensorflow as tf
from tensorflow.python.client import device_lib

print("Tensorflow-GPU Version :", tf.__version__)
print("Keras Version :", keras.__version__)

device_lib.list_local_devices()

# 開発環境

# CPU：Intel Core i7 9700

# GPU：NVIDIA RTX 2700 SUPER

# OS ：Windows 10 Home

import keras

import tensorflow as tf

from tensorflow.python.client import device_lib

print("Tensorflow-GPU Version :", tf.__version__)

print("Keras Version :", keras.__version__)

device_lib.list_local_devices()

エラーが出なければ大丈夫です。

Using TensorFlow backend.
Tensorflow-GPU Version : 1.12.0
Keras Version : 2.2.4
2020-05-10 16:36:25.728158: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2020-05-10 16:36:26.051573: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties:
name: GeForce RTX 2070 SUPER major: 7 minor: 5 memoryClockRate(GHz): 1.77
pciBusID: 0000:01:00.0
totalMemory: 8.00GiB freeMemory: 6.56GiB
2020-05-10 16:36:26.067432: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2020-05-10 16:36:34.762470: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-05-10 16:36:34.765384: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0
2020-05-10 16:36:34.766472: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N
2020-05-10 16:36:34.812198: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 6305 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2070 SUPER, pci bus id: 0000:01:00.0, compute capability: 7.5)

Using TensorFlow backend.

Tensorflow-GPU Version : 1.12.0

Keras Version : 2.2.4

2020-05-10 16:36:25.728158: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

2020-05-10 16:36:26.051573: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties:

name: GeForce RTX 2070 SUPER major: 7 minor: 5 memoryClockRate(GHz): 1.77

pciBusID: 0000:01:00.0

totalMemory: 8.00GiB freeMemory: 6.56GiB

2020-05-10 16:36:26.067432: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0

2020-05-10 16:36:34.762470: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:

2020-05-10 16:36:34.765384: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988] 0

2020-05-10 16:36:34.766472: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0: N

2020-05-10 16:36:34.812198: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 6305 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2070 SUPER, pci bus id: 0000:01:00.0, compute capability: 7.5)