Нарешті я міг би встановити Nvidia Titan XP + MacBook Pro + Akitio Node + Tensorflow + Keras
Я написав суть із процедурою, сподіваюся, що це допоможе
https://gist.github.com/jganzabal/8e59e3b0f59642dd0b5f2e4de03c7687
Ось що я зробив:
Ця конфігурація працювала для мене, сподіваюся, що це допомагає
Він заснований на:
https://becominghuman.ai/deep-learning-gaming-build-with-nvidia-titan-xp-and-macbook-pro-with-thunderbolt2-5ceee7167f8b
і далі:
https://stackoverflow.com/questions/44744737/tensorflow-mac-os-gpu-support
Обладнання
Версії програмного забезпечення
- macOS Sierra Версія 10.12.6
- Версія драйвера GPU: 10.18.5 (378.05.05.25f01)
- Версія драйвера CUDA: 8.0.61
- cuDNN v5.1 (20 січня 2017 р.), для CUDA 8.0: потрібно зареєструватися та завантажити
- tensorflow-gpu 1.0.0
- Керас 2.0.8
Порядок:
Встановіть драйвер GPU
- Вимкніть систему, увімкніть її знову, натискаючи клавіші (⌘ і R), поки не з’явиться , це дозволить перейти в режим відновлення.
- На панелі меню натисніть Утиліти> Термінал і напишіть 'csrutil disabled; перезавантажте ', натисніть клавішу Enter, щоб виконати цю команду.
Коли комп'ютер перезавантажиться, запустіть цю команду в Терміналі:
cd ~/Desktop; git clone https://github.com/goalque/automate-eGPU.git
chmod +x ~/Desktop/automate-eGPU/automate-eGPU.sh
sudo ~/Desktop/automate-eGPU/./automate-eGPU.sh
Відключіть свій eGPU зі свого Mac та перезапустіть. Це важливо, якщо ви не відключили електромережу, ви можете перезапустити чорний екран.
Коли ваш Mac перезавантажився, відкрийте термінал та виконайте цю команду:
sudo ~/Desktop/automate-eGPU/./automate-eGPU.sh -a
- Підключіть свій eGPU до свого комп’ютера через TH2.
- Перезавантажте Mac.
Встановіть CUDA, cuDNN, Tensorflow та Keras
На даний момент Keras 2.08 потребує tensorflow 1.0.0. Tensorflow-gpu 1.0.0 потребує CUDA 8.0, а cuDNN v5.1 - той, який працював для мене. Я спробував інші комбінації, але, схоже, не вийшло
- Завантажте та встановіть CUDA 8.0 CUDA Toolkit 8.0 GA2 (лютий 2017)
- Встановіть його та дотримуйтесь інструкцій
Встановлення змінних env
vim ~/.bash_profile
export CUDA_HOME=/usr/local/cuda
export DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME:$CUDA_HOME/extras/CUPTI/lib"
export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATH
(Якщо вашого bash_profile не існує, створіть його. Це виконується кожного разу, коли ви відкриваєте вікно терміналу)
- Завантаження та встановлення cuDNN (cudnn-8.0-osx-x64-v5.1) Потрібно зареєструватися перед завантаженням
Скопіюйте файли cuDNN в CUDA
cd ~/Downloads/cuda
sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib/
Створіть навколишнє середовище та встановіть tensorflow
conda create -n egpu python=3
source activate egpu
pip install tensorflow-gpu==1.0.0
Перевірте, чи працює він
Запустіть такий сценарій:
import tensorflow as tf
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
with tf.Session() as sess:
print (sess.run(c))
Встановіть Keras у середовищі та встановіть tensorflow як бекенд:
pip install --upgrade --no-deps keras # Need no-deps flag to prevent from installing tensorflow dependency
KERAS_BACKEND=tensorflow python -c "from keras import backend"
Вихід:
Using TensorFlow backend.
I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcublas.8.0.dylib locally
I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcudnn.5.dylib locally
I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcufft.8.0.dylib locally
I tensorflow/stream_executor/dso_loader.cc:126] Couldn't open CUDA library libcuda.1.dylib. LD_LIBRARY_PATH: /usr/local/cuda/lib:/usr/local/cuda:/usr/local/cuda/extras/CUPTI/lib
I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcuda.dylib locally
I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcurand.8.0.dylib locally