소개

최근에는 라이브러리(특히 Python에서)가 충실하고 있어, GPU를 이용한 기계 학습이 가까워지고 있습니다만, Windows에서의 환경 구축은 역시 어렵네요.
요전날, 연구실의 Windows 머신에서 Cuda+Chainer의 환경을 만드는데 꽤 고생했기 때문에, 비망록도 겸해 결론을 정리해 둡니다.
물론 공식 추천 우분투와 CentOS가 압도적으로 편합니다. 본 기사는 「그래도 Windows를 사용하고 싶다!」라는 방향입니다.
또, 정보의 과부족이 있을지도 모르기 때문에, 발견된 쪽은 코멘트로 지적해 주시면 도움이 됩니다.

버전 정보

준비해 두는 것
・NVIDIA사의 GPU를 탑재한 대응 머신
· Windows 10
· 파이썬 3.6
앞으로 설치할 것
・Visual Studio 2017
· Cuda Toolkit 9.1
· Chainer 4.1

Visual Studio 2017 설치

Cuda를 사용하려면 C++ 컴파일러가 필요합니다. 반드시 Cuda 앞에 설치합시다.
여기 에서 Visual Studio 2017 (무료 버전 커뮤니티에서 좋음)을 다운로드하십시오. C++ Build Tools만으로도 충분하지만, 나에게는 잘 모르겠다.
인스톨러를 기동했으면, 「C++에 의한 데스크탑 개발」을 체크해 설치해 주세요. 노란색으로 하이라이트 한 근처가 설치되면 OK입니다.
*시간이 걸립니다


설치가 끝나면 환경 변수 PATH를 추가합니다. 빌드 번호 등은 적절히 변경하십시오.
C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin
C:\Program Files (x86)\Windows Kits\10\bin\10.0.17134.0\x64

Cuda Toolkit 9.1 설치

Cuda는 NVIDIA의 GPU를 다루는 플랫폼입니다.
여기에서 설치 프로그램을 다운로드하십시오.
최신 버전의 Cuda Toolkit 9.2는 Chainer가 지원되지 않으므로 9.1을 설치합니다. 설치는 그대로 지시에 따라 괜찮습니다.
*시간이 걸립니다

설치가 끝나면 환경 변수 INCLUDE를 추가하십시오. 빌드 번호 등은 적절히 변경하십시오.
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\include
C:\Program Files (x86)\Windows Kits\10\Include\10.0.17134.0\ucrt

다음으로, GPU 연산을 지원하는 라이브러리인 CuPy를 wheel(미리 컴파일된 바이너리 파일)로 인스톨 합니다. 이 명령을 실행하십시오.

$ pip install cupy-cuda91

wheel을 사용하면 cuDNN을 다운로드하거나 번거로운 설정이 필요하지 않습니다. Cuda와의 버전의 무결성도 보증되고 있기 때문에 편하네요.

Chainer 설치

Chainer는 Preferred Networks에서 제공하는 심층 학습 라이브러리입니다. 이 명령을 실행하십시오.

$ pip install chainer

안전하게 설치할 수 있으면 성공입니다. 레츠 딥 러닝.

참고문헌

신세를 졌던 링크 모음입니다.
[1] Installation — Chainer 4.1.0 documentation
[2] Chainer의 설치 방법을 알기 쉽게 해설 | Mac · Linux · Windows | 사무라이 엔지니어 학원 블로그 | 프로그래밍 입문자를위한 학습 정보 사이트
[3] Windows 10에서 Chainer를 GPU로 움직일 때까지 메모 - Uluhashi
[4] Chainer v4 초보자용 자습서 - Qiita