Windows10でGPUが使えるPythonを環境構築する

Windows10でGPUが使えるPythonを環境構築する

研究室で、RTX2070搭載のパソコンが使えるようになったので、GPU使っていきたいと思います。

Windows10でGPUが使えるPython環境を構築したので、記録します。

前提

OS:Windows
NVIDIAのGPU搭載

今回紹介する環境

2019/01/16現在の最新バージョンを導入しています。
※Anacondaで使用するPythonのバージョンは3.6

  • windows10home
  • Geforece RTX 2070
  • Visual Studio 2017 Community
  • CUDA10
  • cuDNN7.4
  • Anaconda(Python3.6)

GPUを使うのに必要なもの

用意するものをまとめていきます。

  1. Visual Studio
  2. CUDA
  3. cuDNN
  4. Anaconda

以上の4つ

GPU環境を整えていく

Visual Studio 2017 Community

Visual Studio 2017 Community
Visual Studioのダウンロードページ

CUDA

CUDAをインストールする
CUDAのダウンロードページ

CUDAのバージョンに注意

TensorFlow&Keras

まず初めに
Tensorflow-gpuまたは、keras-gpuを使うのが目的の人は、CUDA9をインストールしてください。

Tensorflow1.21はCUDA10には、対応していません

TensorFlowの対応CUDAを確認する

Tensorflow2.0の評価版がリリースされているみたいです。
こちらは、CUDA10のようです。
Tesorflow2.0がリリースされたらCUDA10でも大丈夫です。

CUDA10用にローカル環境でコンパイルすれば、使えるようになるそうです。
https://www.tensorflow.org/install/source_windows?hl=ja

PyTorch

PyTorch1.0は、CUDA10にも対応しています。

cuDNN

cuDNNをダウンロードします。
cuDNNのダウンロードページ

※NVIDIA Developerのメンバー登録が必要になります。

ダウンロードしたファイルは、
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
の対応したフォルダに上書き保存します。

Anaconda

anaconda
Anacondaのダウンロードページ

PycharmとAnacondaを連携させる

Pytorchで確認する

AnacondaでPytorchをインストールしてください。

conda install pytorch torchvision cuda100 -c pytorch

cudaが認識されているか確認します。

import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)


‘’’
[out]
cuda
‘’’

GPUの使用状態を確認する

コマンドプロンプトで、nvidia-smiのコマンドを入力すると下のように表示が出て、確認することができます。

参考

NVIDIA GPUが搭載されたWindows 10にTensorFlowとChainerをインストールしてDeep Learningの学習環境を構築してみる