Zi 字媒體

原來Tensorflow需要的GPU要 Compute Capability 3.5 以上 ( 看來得換顯卡了 XD ) 話說好不容易 CentOS7 與 Tensorflow 基本環境建立好 (參考此篇 : 神通情人夢的願望3(Tensorflow+GPU基礎建設中)) , 開始著手來進行 GPU driver 與 CUDA 安裝 ; (說到底其實也還真麻煩 , 有許多版本相容性的問題 ) ...  然後一切都快準備就緒時 , 才發現原來我的GPU不給力阿 ~~ 昏 = = ( 應該是功課又沒做足 XD  本來不想多花錢的 , 看來得找高一等級顯卡了才能玩 Tensorflow with GPU ) 底下先來說說央喜的GPU Driver與CUDA建立過程 : 1. 先裝 GPU Driver for CentOS7  這過程還算順利  (可參考此篇上半部 : centos7伺服器cuda9.0深度學習環境搭建筆記 ) , 先把nouveau 禁用 ( 查了一下為何要禁用 nouveau ??  開源顯示卡驅動程式Nouveau太不穩，被Chrome列入黑名單關閉GPU加速 ) Note : 裝完後 nvidia-smi 顯示如下資訊 , linux driver版本 418.43 , CUDA版本 10.1 (這裡是指 driver中的CUDA) # 參照教學 : 裝完 repo後 $ nvidia-detect -v Probing for supported NVIDIA devices... [10de:0fc1] NVIDIA Corporation GK107 [GeForce GT 640] This device requires the current 418.43 NVIDIA driver kmod-nvidia WARNING: Xorg log file /var/log/Xorg.0.log does not exist WARNING: Unable to determine Xorg ABI compatibility WARNING: The driver for this device does not support the current Xorg versio # 上方紅字 kmod-nvidia 找到有rpm可以下載$ yum list all | grep kmod 還挺方便 裝完後重開機 , 最新版驅動就上去了 (可使用 $lsmod | grep nvidia 查看 ) 重開機後下指令 $nvidia-smi  , 看到GPU顯卡狀態資訊  , 應該已成功驅動 爬了一下官網 Tensorflow GPU 可相容的環境 官網參考連結 (決定用 Python3.6 + CUDA10.0 + cuDNN7.4) 2. 安裝 CUDA Toolkit 10.0 , 我是直接裝下載RPM包安裝  (下載CUDA Toolkit 10.0 ) CUDA官網最新已到10.1 所以需去CUDA Toolkit Archive  下載CUDA Toolkit 10.0 Q: CUDA10.0裝好  , 要如何測試呢 !?  參考此篇 : 學習筆記-機器學習-搭建環境-7：安裝CUDA（Docker） $ cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery $ make $ ./deviceQuery CUDA10.0裝好  , deviceQuery 測一下 , Result = PASS 3. 安裝 tensorflow-gpu ( $pip install tensorflow-gpu 直接安裝) #裝完後可查看版本 $ python -c "import tensorflow; print(tensorflow.__version__)" (得到安裝的是 1.13.1 版) ================================================== # tensorflow test script import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) =================================================== # 第一次執行出現如下 , 原來少了 cuDNN library (查看對應的cuDNN需要安裝 7.4) ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory # 安裝 cuDNN7.4  (這邊還要註冊才能下載 真麻煩 XD  且檔案有點大要載很久) https://developer.nvidia.com/rdp/cudnn-download # 安裝完成後再執行結果出現如下 //================================================== 2019-03-17 20:22:02.721650: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:998] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero 2019-03-17 20:22:02.722516: I tensorflow/compiler/xla/service/platform_util.cc:194] StreamExecutor cuda device (0) is of insufficient compute capability: 3.5 required, device is 3.0 2019-03-17 20:22:02.722721: F tensorflow/stream_executor/lib/statusor.cc:34] Attempting to fetch value instead of handling error Internal: no supported devices found for platform CUDA //===================================================== OH! MY !?   擔心的事真的發生了 , 一開始還想說Geforce GT 640會不會太古老 !? 但原想說手邊有什麼就先用什麼來玩 ... 仔細再研究了一下官網說明 :  NVIDIA® GPU card with CUDA® Compute Capability 3.5 or higher ( Ref. ) GeForce GT 640 的 Compute Capability 只有 2.1  !?  ( Ref. ) 這麼不巧啊啊啊! XD  後記: 頭洗一半了 , 還不想就此打住啊 ...  後續找到一塊便宜且可以玩tensorflow-gpu 的顯卡再來筆記吧 ..  或誰家裡有舊NVIDIA顯卡支援計算能力3.5以上的可以借我玩 !? XD Ref: centos7伺服器cuda9.0深度學習環境搭建筆記 開源顯示卡驅動程式Nouveau太不穩，被Chrome列入黑名單關閉GPU加速 CentOS7+cuda9.2+Tensorflow-gpu 在centos7下安装tensorflow-gpu 1.8版本教程 Tensorflow官網安裝說明 CentOS7 Tensorflow GPU开发环境配置 Linux 系統 NVIDIA GPU 顯示卡壓力測試 Pytorch 案例代码注释三 DCGAN Install CUDA 10.0, cuDNN 7.3 and build TensorFlow (GPU) from source on Ubuntu 18.04 使用tensorflow-gpu版本测试下学习速度，cpu（3分钟） vs gpu（4秒） 學習筆記-機器學習-搭建環境-7：安裝CUDA（Docker） Nvidia顯卡查看Compute Capability(官網) cuda 计算能力查询表 2018最新显卡天梯图 Nvidia/AMD显卡性能排行榜2018 2019显卡天梯图 最新Nvidia/AMD显卡性能排行榜2019