Menciptakan Lingkungan Pembelajaran Mendalam dengan GPU TensorFlow – Menuju AI – Teknologi, Sains, dan Teknik Terbaik

Penulis: Buse Yaren Tekin

Pembelajaran Mendalam

Hai! Pada artikel ini, kita akan membahas tentang bagaimana kita dapat menciptakan lingkungan pembelajaran yang mendalam untuk mesin kita. Sebelum memulai artikel, saya akan memberikan informasi tentang sistem operasi dan prosesor grafis yang saya gunakan. Jadi ayo mulai!

Foto oleh Christian Wiediger di Unsplash

Mesin yang saya gunakan menggunakan Windows 10 Pro sebagai sistem operasinya. Jika Anda ingin mempelajari fitur-fitur kartu grafis Anda, Anda dapat mempelajari fitur-fitur kartu grafis Anda dengan mengetik dxdiag alih-alih mencari.

IOS: Windows 10 Pro
⚙️CUDA Toolkit: 10
⚙️cuDNN: 7.4
⚙️TensorFlow GPU: 1.14.0
⚙️Keras: 2.2.5

Langkah 1: Dapatkan Informasi Kartu Grafis

Gambar oleh ref[1]Gambar oleh penulis

Jika mau, Anda dapat mempelajari langkah ini dalam waktu singkat dengan menulis kode di bawah ini ke terminal.

https://medium.com/media/b3889c87339a3d9f5978ecff569029ae/href

Kemudian kita perlu pergi ke situs web NVIDIA dan melakukan unduhan yang diperlukan. Pada output, Anda akan melihat nama kartu grafis Anda seperti pada gambar berikutnya.

Gambar oleh penulis

Langkah 2: Memeriksa Prosesor Grafis

Tentukan prosesor Anda yang cocok untuk mesin Anda di https://developer.nvidia.com/cuda-gpus#collapse4. Misalnya, pada gambar di bawah ini, kami telah mempelajari kapasitas pemrosesan dengan memeriksa prosesor dari mesin yang saya bekerja secara aktif.

Mengontrol Prosesor Quadro RTX 5000

Langkah 3: Menginstal CUDA Toolkit dan cuDNN Tool

Sekarang kita perlu bertindak sangat hati-hati dalam langkah ini. Kita perlu menginstal alat CUDA dan cuDNN, yang cocok dengan versi TensorFlow yang akan kita gunakan. Saya ingin memperingatkan Anda bahwa jika Anda mengunduh versi yang berbeda, Anda akan menemui banyak kesalahan.

Sumber[3]

Saya awalnya menginstal tensorflow-gpu == 1.15.0 karena saya memiliki banyak konflik dengan versi TensorFlow 2.x. Namun, saya kemudian mengalami beberapa konflik versi saat menjalankan Mask RCNN. Pada artikel ini, saya di sini dengan kesalahan yang diperbaiki. Jika Anda mengikuti langkah-langkah ini dengan tepat, kode Anda akan berfungsi tanpa kesalahan.

? Kompilasi yang diperlukan untuk tensorflow-gpu == 1.14.0 tampilkan 7.4 untuk cuDNN dan versi 10 untuk CUDA Toolkit.

Untuk mengakses versi cuDNN, buka link.

Versi cuDNN yang kompatibel untuk CUDA 10.0

?Anda dapat mengunduh versi yang dipilih dengan mengklik tautan.

Setelah menginstal alat ini, kita perlu menambahkannya ke variabel jalur.

Sumber gambarPengaturan Jalur CUDA

Jika itu tidak ditambahkan sebagai variabel Path, Anda perlu memeriksa pengaturan ini. Pengendalian variabel lingkungan sistem sangat penting ?

Langkah 4: Membuat Lingkungan Virtual

https://medium.com/media/08a32b758ba611a6af23c63972f6c936/href

Selain itu, karena saya menggunakan Anaconda Prompt, saya membuat lingkungan virtual dengan conda. Dan kemudian kami masuk ke lingkungan virtual itu dengan perintah aktifkan.

Langkah 5: Instal Tensorflow-gpu

Lalu kita pergi ke pengaturan tensorflow-gpu. Pada tahap ini, mari berhati-hati saat menginstal dengan conda, bukan pip. Alasannya adalah Anda mendapatkan persetujuan saat menginstal. Kami juga akan melihat versi CUDA dan cuDNN diinstal saat memberikan persetujuan ini.

https://medium.com/media/5f9fc65dfe04577b9d68b5a806ebfedd/href

Langkah 5: Pertukaran File cuDNN dan CUDA ⛓

Saat kami membuka arsip cuDNN yang kami unduh, kami akan melihat folder berikut.

Gambar oleh penulis

Kami menyalin folder ini ke folder tempat CUDA diinstal. Misalnya, saya menyalinnya ke folder di C: Program Files NVIDIA GPU Computing Toolkit CUDA v10.0.

Setelah semua tahapan ini, TensorFlow GPU harus diinstal. Jika mau, Anda dapat mengontrol terminal dengan perintah berikut. Untuk ini, jangan lupa menulis python ke terminal dulu!

https://medium.com/media/9e5eaedd63841530f0828ed799026fec/href

Kontrol GPU Fisik

Selain itu saya ingin membuat peringatan. Jika Anda mendapatkan peringatan atau kesalahan yang disebabkan oleh versi perpustakaan Skimage seperti saya, jalankan perintah berikut.

https://medium.com/media/4bbe3e1435a65c2647f164092a4597d2/href

?Setelah semua tahap ini, lingkungan pembelajaran Anda yang dalam akan berfungsi tanpa masalah! Saya berharap hari-hari Anda sehat dan indah.

REFERENSI

https://en.wikipedia.org/wiki/DxDiag https://towardsdatascience.com/tensorflow-gpu-installation-made-easy-use-conda-instead-of-pip-52e5249374bc https: //www.tensorflow. org / install / source_windows https://www.tensorflow.org/ https://developer.nvidia.com/cuda-toolkit-archive https://www.architectryan.com/2018/08/31/how-to- ubah-lingkungan-variabel-pada-windows-10 /

Membuat Lingkungan Pembelajaran Mendalam dengan TensorFlow GPU awalnya dipublikasikan di Towards AI on Medium, tempat orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Towards AI