Mettre TensorFlow dans une instance P2 avec pip3

Mettez simplement Python3 dans l'instance p2 et mettez TensorFlow avec pip. Jouez avec Tesla K80.

Exigences

TensorFlow est comme d'habitude

• Python 2.7 and Python 3.3+
• Cuda toolkit >= 7.0
• cuDNN >= v3

En ce qui concerne la capacité de calcul, Tesla K80 a 3,7, vous pouvez donc être assuré. CUDA GPUs | NVIDIA Developer

Méthode d'introduction

Configurer une instance

TensorFlow semble aimer Ubuntu, j'ai donc recherché AMI sur Ubuntu officiel. Ubuntu Amazon EC2 AMI Finder

J'ai essayé le gars Ubuntu 16.10 hvm: ebs-ssd.

Mettez ce dont vous avez besoin

Classique

sudo apt-get update
sudo apt-get upgrade

Python3 (avec 3.5.2+)

sudo apt-get install python3-pip python3-dev

Le dernier CUDA est 8. Vous pouvez trouver les commandes que vous pouvez apporter avec wget en suivant le flux de Téléchargements CUDA 8.0 | Développeur NVIDIA.

sudo apt-get wget
wget https://developer.nvidia.com/compute/cuda/8.0/prod/local_installers/cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64-deb
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64-deb
sudo apt-get update
rm cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64-deb
sudo apt-get install cuda

Pour cuDNN, vous devez créer un compte et apporter la bibliothèque cuDNN pour Linux de cuDNN Download | NVIDIA Developer pour la télécharger.

tar xvzf 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/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

cd /usr/local/cuda/lib64
sudo ln -s libcudart.so libcudart.so.7.5

Les deux dernières lignes sont ʻImportError: libcudart.so.7.5: impossible d'ouvrir le fichier objet partagé: aucun fichier ou répertoire de ce type`. CUDA 7.5 échoue avec l'installation de pip et le docker (Ubuntu 14.04) · Problème n ° 20 · tensorflow / tensorflow.

Laissez-le par le chemin.

export CUDA_HOME=/usr/local/cuda
export CUDA_ROOT=/usr/local/cuda
export PATH=$PATH:$CUDA_ROOT/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_ROOT/lib64

J'ai installé l'unité principale TensorFlow avec GPU.

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
pip3 install --ignore-installed --upgrade $TF_BINARY_URL

Les références

Installing TensorFlow on an AWS EC2 P2 GPU Instance - ExpressionFlowExpressionFlow C'est le point de départ du code source.