【TensorFlow】GPUを認識しない時の対処方法【Python】

TensorFlow で GPU を認識させようとしたときにハマってしまったので、その対処方法のメモです。

バージョンを揃えないと GPU が認識しないなど、様々なページがあって、色々と参考にしながらインストールしたのですが、盛大にハマってしまいました。。。

構築環境について

今回の環境は以下のとおりです。

OS：Window 10
Python：3.8.5
GPU：NVIDIA GeForce RTX 2060
メモリー：16GB

バージョン対応確認

インストールしていく前の事前準備として、以下のページでバージョン対応を確認しておく必要があります。

https://www.tensorflow.org/install/source_windows#configure_the_build

それぞれのバージョンが違うと動かないようです。

私は、tensorflow-gpu が「2.0.3」に対応するものを入れていきました。

TensorFlow(GPU版)のインストール

まず、TensorFlow の GPU版をインストールします。

ここで注意しないといけないのが、「conda」コマンドか「pip」コマンドどちらでインストールするかです。

結論からいうと、「pip」でインストールしないといけないっぽいです。

「conda」を使うと GPU に対応しなくなってしまうみたいです。。

参考記事
https://qiita.com/S_Sekino/items/de4c80916db806c4b9b5

TensorFlow には CPU版とGPU版があり、GPU版を使う場合は、CPU版をアンインストールしておきます。

pip で GPU版をバージョンを指定してインストールします。

以下のようなエラーが出た場合は、「METADATA」ファイルを作成します（空のファイル）。

ERROR: Could not install packages due to an OSError: [Errno 2] No such file or directory:
‘c:\\users\\XXXX\\anaconda3\\lib\\site-packages\\google_pasta-0.2.0.dist-info\\METADATA‘

アクセスエラーが出た場合、「–user」オプションを付けます。

Windows Visual Studio C++ のインストール

Windows Visual Studio C++ は、CUDA をインストールして使うために必要なものです。

CUDA は、NVIDIA が開発している、GPGPU のアーキテクチャ・ライブラリのことです。

Visual Studio 2019 をインストール します。

https://docs.microsoft.com/ja-jp/visualstudio/install/install-visual-studio?view=vs-2019

インストール時に、「C++ ワークロードを使用したデスクトップ開発」を選択します。

インストールには時間がかかり、空き容量が８GB程度必要となります。。

NVIDIA Driver のインストール

PCで使用している GPU のバージョンに対応したドライバーを以下のページからダウンロードする必要があります。

https://www.nvidia.co.jp/Download/index.aspx?lang=jp

GPUバージョン確認方法は、デスクトップで右クリック ⇒ NVIDIAコントロールパネル 画面を開き、「ヘルプ」⇒「システム情報」。

一旦、NVIDIA XXXX となっているプログラムは全てアンインストールしてからインストールします。

CUDA Toolkit Archive（CUDA 10.1）のインストール

以下のページから、CUDA Toolkit Archive（CUDA 10.1）をダウンロードします。

「CUDA Toolkit 10.1 update2 (Aug 2019), Versioned Online Documentation」を選択しました。

2.5GBあるのでネット環境が良くないと厳しいです。

環境変数にPATHが通っている（追加されている）ことを確認します。

「システムの詳細設定」->「詳細設定」->「環境変数」に、「CUDA_PATH」「CUDA_PATH_V10_1」が追加されていることを確認します。

コマンドプロンプトで、

とし、PATHが通っていることを確認します。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\nvcc.exe

※一応以下のPATHも通しておきます。

cuDNN（SDK 7.6）のインストール

cuDNN とは、NVIDIAが提供しているDeep Neural Network(DNN)開発用のライブラリです。

深層学習で使われる基本的な機能が提供されています。

https://developer.nvidia.com/cudnn

「Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1」を選択しました。

ZIP ファイルを展開し、「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1」以下に、

bin, include, libと３つのフォルダがあるので、各フォルダのファイルをコピーします。

環境変数を手動で設定します。

変数名：
CUDNN_PATH

変数値：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

システム環境変数 Path に以下を追加します。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

コマンドプロンプトで、「where cudnn64_7.dll」を実行し、PATHが通っていることを確認します。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\cudnn64_7.dll

GPUを認識することを確認

「Spyder」上で、以下を実行します。

● ModuleNotFoundError: No module named ‘absl’ エラーの対処方法

● ImportError: cannot import name ‘descriptor’ from ‘google.protobuf’ (unknown location) エラーの対処方法

● ModuleNotFoundError: No module named ‘termcolor’ エラーの対処方法

以下のような出力がされ、ようやくGPUが認識されました。

Created TensorFlow device (/device:GPU:0 with 4722 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce RTX 2060, pci bus id: 0000:01:00.0, compute capability: 7.5)