CentOS 7
Sponsored Link

TensorFlow (with GPU Support) インストール
2018/01/29
 
Google 社発の機械学習ライブラリ (または 人工知能ライブラリ/ディープラーニング と呼ばれることも), TensorFlow をインストールします。
TensorFlow を利用するにあたり、Python, C, Java, Go が使用可能ですが、当例では Python で進めます。
Python を使用する場合の要件として Python 2.7 または Python 3.3 以上が必要です。
当例では RHEL/CentOS 7系 標準の Python 2.7 で進めます。
また、当例では公式で提供されているコンパイル済みバイナリーをインストールしますが、バイナリーの場合、GPU サポート有り版と無し版 が提供されています。ここでは GPU サポート有り版をインストールします。
[1]
GPU サポート有り版では CUDA 7.0 以上がシステム要件です。
当例では事前に CUDA 9.0 をインストールしています。
[2]
システム要件として cuDNN v3 (CUDA Deep Neural Network library (Deep Learning用の速度向上ライブラリ)) 以上も必要です。 cuDNN は NVIDIA 社で提供されています。下記サイトにアクセスして、インストール済み CUDA のバージョンに対応した cuDNN をダウンロードします。(ダウンロードにはアカウント登録が必要)
⇒ https://developer.nvidia.com/rdp/cudnn-download
[3] ダウンロードした cuDNN ライブラリを配置しておきます。
[root@dlp ~]#
tar zxvf cudnn-9.0-linux-x64-v7.tgz

[root@dlp ~]#
cp ./cuda/include/cudnn.h /usr/local/cuda-9.0/include/

[root@dlp ~]#
cp -a ./cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/

[root@dlp ~]#
ldconfig

[root@dlp ~]#
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/extras/CUPTI/lib64' >> /etc/profile.d/cuda90.sh

[root@dlp ~]#
source /etc/profile.d/cuda90.sh

[4] 必要なパッケージをインストールしておきます。
# EPELからインストール

[root@dlp ~]#
yum --enablerepo=epel -y install python2-pip python-devel
[5] TensorFlow をインストールします。
# pip を更新しておく

[root@dlp ~]#
easy_install -U pip 

Searching for pip
Reading https://pypi.python.org/simple/pip/
Best match: pip 9.0.1
[root@dlp ~]#
pip install --upgrade tensorflow-gpu 

Collecting tensorflow-gpu
  Downloading tensorflow_gpu-1.5.0-cp27-cp27mu-manylinux1_x86_64.whl (201.9MB)

.....
.....

Successfully installed absl-py-0.1.9 backports.weakref-1.0.post1 bleach-1.5.0 
enum34-1.1.6 funcsigs-1.0.2 futures-3.2.0 html5lib-0.9999999 markdown-2.6.11 
mock-2.0.0 numpy-1.14.0 pbr-3.1.1 protobuf-3.5.1 setuptools-38.4.0 six-1.11.0 
tensorflow-gpu-1.5.0 tensorflow-tensorboard-1.5.0 werkzeug-0.14.1 wheel-0.30.0
[6] 任意の一般ユーザーで動作確認します。
CPU supports ～ のメッセージは通知メッセージのため動作に問題はありません。TensorFlow のバイナリがメッセージ中に記載の CPU 機能を有効にしてコンパイルされていない旨の通知です。
[cent@dlp ~]$
vi hello_tensorflow.py 

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
[cent@dlp ~]$
python ./hello_tensorflow.py 

2018-01-28 11:27:55.110172: I tensorflow/core/platform/cpu_feature_guard.cc:137] 
                            Your CPU supports instructions that this TensorFlow binary 
                            was not compiled to use: SSE4.1 SSE4.2
2018-01-28 11:27:56.522539: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1105]
                            Found device 0 with properties:
                            name: GeForce GTX 1060 6GB major: 6 minor: 1 memoryClockRate(GHz): 1.8475
                            pciBusID: 0000:03:00.0
                            totalMemory: 5.93GiB freeMemory: 5.86GiB
2018-01-28 11:27:56.522640: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1195] 
                            Creating TensorFlow device (/device:GPU:0) -> (device: 0, 
                            name: GeForce GTX 1060 6GB, pci bus id: 0000:03:00.0, compute capability: 6.1)
Hello, TensorFlow!
[7] 公式で提供されている機械学習モデルを実行して TensorFlow に触れてみましょう。
[cent@dlp ~]$
mkdir tensorflow

[cent@dlp ~]$
cd tensorflow

[cent@dlp tensorflow]$
git clone https://github.com/tensorflow/models.git

[cent@dlp tensorflow]$
cd models/official/mnist

[cent@dlp mnist]$
python mnist.py 

INFO:tensorflow:Using default config.

.....
.....

INFO:tensorflow:loss = 5.4853288e-05, step = 47901 (0.749 sec)
INFO:tensorflow:Saving checkpoints for 48000 into /tmp/mnist_model/model.ckpt.
INFO:tensorflow:Loss for final step: 6.582842e-05.
INFO:tensorflow:Starting evaluation at 2018-01-28-04:22:02
2018-01-28 13:22:03.039551: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1195] 
    Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1060 6GB, 
    pci bus id: 0000:03:00.0, compute capability: 6.1)
INFO:tensorflow:Restoring parameters from /tmp/mnist_model/model.ckpt-48000
INFO:tensorflow:Finished evaluation at 2018-01-28-04:22:04
INFO:tensorflow:Saving dict for global step 48000: accuracy = 0.0987, global_step = 48000, loss = 0.038478132

Evaluation results:
        {'loss': 0.038478132, 'global_step': 48000, 'accuracy': 0.0987}
[8] 機械学習実行中にグラフィックカードの状態を見ると、それなりの負荷がかかっていることが確認できます。
[root@dlp ~]#
nvidia-smi 

Tue Jan 28 13:21:54 2018
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.12                 Driver Version: 390.12                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 106...  Off  | 00000000:03:00.0 Off |                  N/A |
| 38%   68C    P2    87W / 120W |   5941MiB /  6077MiB |     70%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0     22493      C   python                                      5931MiB |
+-----------------------------------------------------------------------------+
関連コンテンツ
 
Tweet