Zi 字媒體

GeForce GT730 可以跑 TensorFlow 囉 話說前天才從露天下單購買二手GeForce GT730 GPU  (參考此篇 : 神通情人夢的願望5(尋找千元以下可跑TensorFlow的GPU)) , 結果今天就到貨 !  Σ( ° △ °|||)︴, 這賣家也太有效率 , 值得推一下! 露天"小江~柑仔店" 賣場首頁  , 而且包裝保護的很好 , 似乎真有清洗過 , 有想找二手實驗零件的話 , 下次可以考慮再跟他買 , 出貨超快 ~ 包裝保護的很好 , 似乎有清洗過  還用密封袋 迫不及待的換裝上去  開機測試  (風扇很小聲  Good !) 這塊不曉得是什麼廠牌 !? 不過沒差 , 主要央喜是需晶片 Nvidia GeForce GT 730 且能符合Compute Capability 3.5 以上 , 以下開始來測試筆記 : $nvidia-detect -v Probing for supported NVIDIA devices... [10de:1287] NVIDIA Corporation GK208B [GeForce GT 730] 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 version $nvidia-detect -v  出現GT730  看來driver也相同 $nvidia-smi  基本的指令都檢測一下 Note: $nvidia-smi 有個  Not Supported 訊息查了一下 , 應該是沒差 , 不理它 (參考這篇討論) #再用CUDA的deviceQuery測一下 (參考這篇 : 神通情人夢的願望4 ) $ cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery $ make $ ./deviceQuery deviceQuery 可看到 GeForce GT730 相關資訊 (Compute Capability 3.5 ) 趕緊來 test script 一下 (參考 ) 顯示如下訊息 , YES!! 應該是PASS : # tensorflow GPU test script import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) //======================================================== Found device 0 with properties: name: GeForce GT 730 major: 3 minor: 5 memoryClockRate(GHz): 0.9015 pciBusID: 0000:01:00.0 totalMemory: 1.95GiB freeMemory: 1.93GiB //======================================================== GeForce GT 730 major: 3 minor: 5 最後迫不及待地再來跑跑看 DCGAN in Tensorflow ( 什麼是DCGAN !? 你一定沒看前面 ,  參考: 神通情人夢的願望(第一步自創美女頭像) ) # 跑DCGAN 測試一下 (epoch 25) $ python main.py --input_height=96 --output_height=96 --dataset face --train --epoch 25 --batch_size 50 --input_fname_pattern "*.jpg" StreamExecutor device (0): GeForce GT 730, Compute Capability 3.5 successfully opened CUDA library libcublas.so.10.0 locally 後記 : 測試跑25個 Epoch 花約6分鐘 , 還是感覺不盡理想 XD  (不過已經比原本CPU跑又快了許多 也許還需研究調校或是更高階的GPU吧 XD ) , 後續再來研究筆記 ... 看網路人家CPU原本跑3分鐘 用GPU只跑4秒 , 不知是怎麼tuning的 !? 參考 : 使用tensorflow-gpu版本测试下学习速度，cpu（3分钟） vs gpu（4秒），还是gpu快 不過他GPU是GeForce 940MX Capability5.0 (SPEC) , 下次再來找找相同等級的測測看! # === Sample code === # Usage: $python matmul.py gpu 1500 or $python matmul.py cpu 1500 import sys import numpy as np import tensorflow as tf from datetime import datetime device_name = sys.argv[1] # Choose device from cmd line. Options: gpu or cpu shape = (int(sys.argv[2]), int(sys.argv[2])) if device_name == "gpu": device_name = "/gpu:0" else: device_name = "/cpu:0" with tf.device(device_name): random_matrix = tf.random_uniform(shape=shape, minval=0, maxval=1) dot_operation = tf.matmul(random_matrix, tf.transpose(random_matrix)) sum_operation = tf.reduce_sum(dot_operation) startTime = datetime.now() with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as session: result = session.run(sum_operation) print(result) # It can be hard to see the results on the terminal with lots of output -- add some newlines to improve readability. print("\n" * 5) print("Shape:", shape, "Device:", device_name) print("Time taken:", datetime.now() - startTime) print("\n" * 5) 補充 (2019-03-20 23:30) : 分別測試GPU & CPU 跑  DCGAN in TensorFlow (25 epoch) , 得出結果 : # Tensorflow禁用GPU的方法 import os os.environ["CUDA_VISIBLE_DEVICES"]="-1" #加入此行 import tensorflow as tf //===================================== [DCGAN in TensorFlow use only CPU]  ( 4 core CPU almost 100%) real    8m24.324s user    29m48.819s sys     0m26.709s [DCGAN TensorFlow use with GPU]  (CPU 耗用如下圖) real    5m14.560s user    3m37.071s sys     1m49.786s //===================================== 實測DCGAN in TensorFlow use GPU時  , CPU耗用少 , 時間的確有縮短看來必須得提升GPU等級才行了 XD Ref: 确定自己的TensorFlow是CPU还是GPU的版本 Compute processes: not supported Nvidia顯卡查看Compute Capability(官網) 使用tensorflow-gpu版本测试下学习速度，cpu（3分钟） vs gpu（4秒），还是gpu快 GeForce 940MX Compute Capability5.0 spec DCGAN in Tensorflow  tensorflow禁用GPU TensorFlow測試GPU and CPU