오랜만에 TensorFlow GPU 버전을 설정하면 간단해졌으므로 메모해 둡니다. 덧붙여 이것은 2016년 12월 13일에 실시한 방법이므로 날짜가 바뀌면 순서가 바뀔지도 모릅니다.

설정 환경

OS: Ubuntu 16.04 Desktop(듀얼 부팅 시 Windows 10)

GPU: TITAN X (Maxwell)

TensoeFlow: 0.12

CUDA: 8.0

cuDNN: 5.1

조금 이야기가 있지만, 딥 러닝에서 사용하는 고성능 GPU를 가지고 있으면 최신 3D 게임이 놀고 싶어진다고 생각합니다. 이 경우 먼저 PC에 Windows 10을 설치 한 다음 Ubuntu 16.04 Desktop을 설치하면 듀얼 부트 환경을 쉽게 만들 수 있습니다. 키모는 Ubuntu 16.04 Server도 아니고 Ubuntu 14.04 Desktop도 아니고 Ubuntu 16.04 Desktop을 사용하고 일본어 버전을 설치하는 것입니다. 영어판이라면 조금 힘든 작업이 필요하다고 생각합니다. 관심이 있으시면 알아보십시오.

우분투 업데이트

Ubuntu 16.04 Desktop을 설치한 상태에서 설명합니다. 먼저 ubuntu를 업데이트합니다.

$ sudo apt-get update
$ sudo apt-get upgrade

CUDA 설치

CUDA Toolkit 8.0을 설치합니다.

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.44-1_amd64.debsudo dpkg -i cuda-repo-ubuntu1604_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

cuDNN 설치

cuDNN의 설치만은 아직 힘들다.

여기 사이트에 등록하고 (등록이 완료되는 데 며칠이 걸릴 수 있음) cudnn-8.0-linux-x64-v5.1.tgz를 다운로드하십시오.

다운로드 화면은 이와 같은 표시로 되어 있습니다.



파일을 DL하고 확장하여 적절한 위치에 복사합니다.

tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

파일에 경로를 통과시키기 위해 .bashrc의 끝에 다음을 작성합니다.

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

설정을 반영하는 명령을 실행합니다.

$ . .bashrc

TensorFlow 설치

$ sudo apt-get install python-pip python-dev
$ pip install tensorflow-gpu

설치되었는지 확인합니다.

$ pip freeze
funcsigs==1.0.2
mock==2.0.0
numpy==1.11.2
pbr==1.10.0
pkg-resources==0.0.0
protobuf==3.1.0
six==1.10.0
tensorflow-gpu==0.12.0rc1

tensorflow-gpu==0.12.0rc1 가 설치된 것 같습니다.

TensorFlow 동작 확인

명령과 코드를 넣어 이렇게 표시되면 문제없이 움직이고 있다고 생각합니다.

$ python
Python 2.7.12 (default, Nov 19 2016, 06:48:10)
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcurand.so locally
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:937] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_device.cc:885] Found device 0 with properties:
name: GeForce GTX TITAN X
major: 5 minor: 2 memoryClockRate (GHz) 1.076
pciBusID 0000:01:00.0
Total memory: 11.92GiB
Free memory: 11.81GiB
I tensorflow/core/common_runtime/gpu/gpu_device.cc:906] DMA: 0
I tensorflow/core/common_runtime/gpu/gpu_device.cc:916] 0:   Y
I tensorflow/core/common_runtime/gpu/gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX TITAN X, pci bus id: 0000:01:00.0)
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(16)
>>> print(sess.run(a + b))
26
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42

결론

CUDA와 cuDNN의 설치는 아직 익숙하지 않기 때문에 더 쉽게 만들고 싶습니다! 모두 최선을 다하십시오!