Deep Learning::Preparando seu Computador para usar TensorFlow em GPU

TensorFlow atual foi compilado para CUDA 9.0 e CUDNN 7.0. São estas versões que você tem de instalar na sua máquina para que funcione. Alternativamente você pode baixar um dos builds alternativos de TensorFlow nos links na nossa página.

Instalação passo-a-passo

Instale CUDA 9.0

# Veja se sua placa de video é NVIDIA
lspci | grep -i nvidia
# Baixe o instalador de CUDA 9.0 e instale
wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
# Reinicie a sua maquina para que os drivers se tornem ativos
sudo reboot now
# Veja se a placa NVIDIA esta funcionando com os drivers corretos NVDIA >= 384
nvidia-smi
# Faca uns testes com os aplicativos que vem junto
cd /usr/local/cuda-9.0/samples
sudo make
# Isso vai demorar....................
# Agora que terminou, teste o dispositivo
cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery

O deviceQuery vai retornar a sua CUDA Capablity, que tem de ser >= 6.0 para que versões atuais de TensorFlow rodem direito e mais algumas informações, como por exemplo a quantidade de memória disponível para rodar aplicações.

# Para saber a versão exata do CUDA, faca:
cat /usr/local/cuda/version.txt

Agora vamos instalar cuDNN, a biblioteca de redes neurais de CUDA

1. Vá para a página do cuDNN (você necessita registrar-se): https://developer.nvidia.com/rdp/cudnn-download
   1. O que você quer vai estar em Archived cuDNN Releases
2. Baixe todos os 3 os arquivos .deb mais recentes de cuDNN 7.0.* compatíveis com CUDA 9.0  (vão estar em uma aba tipo Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0):
   1. cuDNN v7.0.5 Runtime Library for Ubuntu16.04 (Deb) 
   2. cuDNN v7.0.5 Developer Library for Ubuntu16.04 (Deb)  
   3. cuDNN v7.0.5 Code Samples and User Guide for Ubuntu16.04 (Deb)
3. Instale-os na seguinte ordem (adapte o nome do arquivo se necessário, neste exemplo eu usei  a v.7.0.5):

# Instale libcudnn 7.0:
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb

Agora verifique a instalação de cuDNN:

1. Copie os exemplos de teste para um lugar onde você tem direitos de escrita com usuário comum: cp -r /usr/src/cudnn_samples_v7/ ~.
2. Vá para o exemplo de MNIST: cd ~/cudnn_samples_v7/mnistCUDNN.
3. Compile MNIST: make clean && make.
4. Rode MNIST: ./mnistCUDNN.
5. Se sua instação deu certo, você tem de enxergar: Test passed! ao fim.

# Coloque a seguinte linha ao fim de seu arquivo .bashrc
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64"
# Execute o .bashrc para que a linha tenha efeito, atualizando o seu ambiente:
source .bashrc

Se você ainda não instalou toda a parafernália de Python que você necessita para rodar TensorFlow com Keras, vá até a nossa página e instale tudo menos o TensorFlow para CPU.

Instale o TensorFlow para GPU

# Baixe a instale com pip3
pip3 install --upgrade tensorflow-gpu
# Rode!
$ python3
>>> import tensorflow as tf
>>> sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

O resultado tem de ser algo como a figura abaixo:

Você está pronto para instalar e rodar Keras com TensorFlow em GPU!!! Agora instale Keras:

Para continuar

1. Deep Learning::Instalando Keras

Links e Tutoriais

1. TensorFlow — Install for GPU on Linux
2. Setting up Ubuntu 16.04 + CUDA + GPU for deep learning with Python
3. CUDA Toolkit 9.0 Downloads (atenção: se você for pelo caminho normal à pagina da NVIDIA, você vai parar na página de instalação do CUDA 9.2 – vá por aqui)
4. Install CUDA 9.0 and cuDNN 7.0 for TensorFlow/PyTorch (GPU) on Ubuntu 16.04

Resolvendo Problemas

1. Ao abrir tensorflow no Python tenho um “ImportError“:
   
   Solução: Por alguma razão o caminho para as suas bibliotecas CUDA não foi atualizado no $LD_LIBRARY_PATH global. Atualize em seu RC local, incluindo:
   export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64″
   no fim de seu .bashrc, do mesmo jeito que fizemos com CUPTI antes.
   Não esqueça de dar source .bashrc !!