動機：如何在 Windows 10 舊筆電中，利用 nVIDIA 的顯示卡來加速 機器學習(Machine Learning) 的平行運算 呢?!
準備環境：
1.Windows 10 64-bits筆電(內含 Intel Core i7-4720HQ 2.60GHz, RAM 16GB, 120GB SSD, nVIDIA GeForce GTX 950M + 2048MB RAM獨立顯卡)
2.Anaconda Navigator 1.8.5 (64-bit): Python 3.6.5, Spyder 3.2.8
3.PyCharm 2018.1.3 (Community Edition)
實作步驟：
1.依據 參攷1. 於 Anaconda 中建立一個 TensorFlow 的環境，其中 TensorFlow 已更新為 1.8.0 了，所以我依據 參攷2. 官網的步驟，安裝指令如下：
C:\> pip3 install --upgrade tensorflow-gpu
C:\> conda create -n tensorflow pip python=3.6
(tensorflow)C:\> pip install --ignore-installed --upgrade tensorflow-gpu
並測試(在 python 3.6) GPU 是否正常，如下圖
另外，依據作者建議於 Spyder 環境下測試，如下圖
2.由於目前 TensorFlow 1.8.0 只支援 CUDA 9.0，所以 我又依據 參攷3. 作者提供的下載安裝步驟，循序將 Microsoft Visual Studio Community 2017 (版本 15.7.1)勾選 使用C++的桌面開發、 CUDA Toolkit 9.0 + Patch 1 + Patch 2、cuDNN 7.1.3 for CUDA 9.0 安裝好...
並執行 CMD 並輸入「nvcc -V」檢查是否安裝成功!!
3.依作者建議於 Anaconda資料夾(X:\ProgramData\Anaconda3\Lib\site-packages\tensorflow\examples\tutorials\mnist)，測試 fully_connected_feed.py 並執行 TechPowerUp GPU-Z 查看GPU加速效果，如下圖
心得：想不到三年前的老筆電能夠利用 GPU 來小小加速執行 TensorFlow...我真心滿足了!!
可見 nVIDIA 在 硬體(GPU) & 軟體(CUDA) 的整合功夫非常不得了!!
另外，我使用了 PyCharm Community 2018.1.3 來執行 fully_connected_feed.py 程式時，卻發現 GPU 沒有啟用? Why?? 如下圖...
參攷：
1.於Win10下安裝TensorFlow並用GPU做加速, https://rreadmorebooks.blogspot.tw/2017/04/win10tensorflowgpu.html
2.Installing TensorFlow on Windows, https://www.tensorflow.org/install/install_windows
3.於Win10環境下配置CUDA 9.0與cuDNN 7.0, https://rreadmorebooks.blogspot.tw/2018/01/win10cuda-90cudnn-70.html
準備環境：
1.Windows 10 64-bits筆電(內含 Intel Core i7-4720HQ 2.60GHz, RAM 16GB, 120GB SSD, nVIDIA GeForce GTX 950M + 2048MB RAM獨立顯卡)
2.Anaconda Navigator 1.8.5 (64-bit): Python 3.6.5, Spyder 3.2.8
3.PyCharm 2018.1.3 (Community Edition)
實作步驟：
1.依據 參攷1. 於 Anaconda 中建立一個 TensorFlow 的環境，其中 TensorFlow 已更新為 1.8.0 了，所以我依據 參攷2. 官網的步驟，安裝指令如下：
C:\> pip3 install --upgrade tensorflow-gpu
C:\> conda create -n tensorflow pip python=3.6
(tensorflow)C:\> pip install --ignore-installed --upgrade tensorflow-gpu
並測試(在 python 3.6) GPU 是否正常，如下圖
另外，依據作者建議於 Spyder 環境下測試，如下圖
2.由於目前 TensorFlow 1.8.0 只支援 CUDA 9.0，所以 我又依據 參攷3. 作者提供的下載安裝步驟，循序將 Microsoft Visual Studio Community 2017 (版本 15.7.1)勾選 使用C++的桌面開發、 CUDA Toolkit 9.0 + Patch 1 + Patch 2、cuDNN 7.1.3 for CUDA 9.0 安裝好...
並執行 CMD 並輸入「nvcc -V」檢查是否安裝成功!!
3.依作者建議於 Anaconda資料夾(X:\ProgramData\Anaconda3\Lib\site-packages\tensorflow\examples\tutorials\mnist)，測試 fully_connected_feed.py 並執行 TechPowerUp GPU-Z 查看GPU加速效果，如下圖
心得：想不到三年前的老筆電能夠利用 GPU 來小小加速執行 TensorFlow...我真心滿足了!!
可見 nVIDIA 在 硬體(GPU) & 軟體(CUDA) 的整合功夫非常不得了!!
另外，我使用了 PyCharm Community 2018.1.3 來執行 fully_connected_feed.py 程式時，卻發現 GPU 沒有啟用? Why?? 如下圖...
參攷：
1.於Win10下安裝TensorFlow並用GPU做加速, https://rreadmorebooks.blogspot.tw/2017/04/win10tensorflowgpu.html
2.Installing TensorFlow on Windows, https://www.tensorflow.org/install/install_windows
3.於Win10環境下配置CUDA 9.0與cuDNN 7.0, https://rreadmorebooks.blogspot.tw/2018/01/win10cuda-90cudnn-70.html
留言