Ceci est le premier message de Qiita. Je vous serais reconnaissant de bien vouloir me faire savoir s’il y a des points qui ne peuvent être atteints.
Créez un environnement pour pytorch, tensorflow et keras sur un PC équipé de NVIDIA Geforce GTX 1060. Veuillez noter que cela ne fonctionne souvent pas avec différentes versions.
--nvidia driver (la version est arbitraire (?))
Vérifier le GPU
ubuntu-drivers devices
2 . Installation du pilote
install_driver
sudo ubuntu-drivers install [Version du pilote(Est-il sécuritaire d'utiliser ceux recommandés tels que le 435??)]
#l'installation automatique ne semble pas recommandée
#Pour plus d'informations ubuntu-drivers --Lancer l'aide
3 . Redémarrez votre PC
4 . Ce n'est pas grave si vous pouvez obtenir des informations telles que les pilotes en exécutant nvidia-smi.
Référence
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
Cela peut devenir comme. À ce stade, désactivez Nouveau
sudo vim / etc / modprobe.d / blacklist-nouveau.confblacklist-nouveau.conf
blacklist nouveau
options nouveau modeset=0
Remplir
2. sudo update-initramfs -u
3 . Redémarrez votre PC
Voir la référence ci-dessus pour plus de détails.
-Sélectionnez l'environnement que vous utilisez à partir de nvidia_driver_download et téléchargez le pilote. [](--Vous pouvez vérifier votre environnement dans le panneau de configuration nvidia en cliquant avec le bouton droit sur le bureau ??)
nvidia-smi pour obtenir des informations telles que les pilotes.conda create -n nom d'environnement python = version
Créez un environnement virtuel avec. Ici, le nom de l'environnement est arbitraire et la version est 3.6.
--Activer l'environnement
conda activer le nom de l'environnement
Ce n'est pas grave si (nom de l'environnement) est attaché à la ligne de commande.Si vous sélectionnez votre environnement dans pytorch official, les commandes nécessaires apparaîtront.
Dans mon environnement
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
était.
Référence (officiel de pytorch) Démarrer python
Confirmation
import torch
torch.cuda.is_available()
Éxécuter. Si c'est vrai, vous pouvez reconnaître
** Remarque: cuda-toolkit nécessite la version 9.1 pour tensorflow-gpu == 1.12.0, vous avez donc besoin de quelque chose de différent de pytorch. Par conséquent, il est nécessaire de séparer pytorch et environnement virtuel **
conda install tensorflow-gpu==1.12.0
Référence Démarrer python
Confirmation
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
Et. Si le GPU est affiché, le GPU peut être reconnu.
conda install keras==2.2.4
Je vous serais reconnaissant si vous pouviez me faire savoir s'il y a un problème avec la page. Merci à tout le monde sur la page pour référence.
Recommended Posts