どうも、おはこんばんちわ、カブクの足立です。 「カブクのエンジニアが普段何をしているのか」を明らかにする目的で始まったオフィシャルゆるブログ。 今回は、「TensorFlowでGPUが使えない」というエントリーに感動したので（失敗こそ大切な情報！）、私のTensorFlowの実行環境を構築する方法とその失敗・解決方法をご紹介します。 TensorFlowをGPUで動かす環境を作る 環境 以下の環境を構築します。 OS: Ubuntu 14.04.2 ビデオカード: NVIDIA GeForce GTX980Ti Driver: nvidia-352 Library: CUDA Toolkit(v7.5.18), cuDNN(v7.0) Framework: TensorFlow 0.8.0(Linux GPU版) etc: Python2.7.6, Docker 1.10.2 ビデオカード
こんにちは。 小説家になろうの作品群を読んでいたら連休が終わりそうです。 連休の終わりのアンミラ帰りに衝撃作TensorFlowでGPUが使えないとそのアンサーエントリであるTensorFlow on DockerでGPUを使えるようにする方法を読み、書いてみたエントリです。先月購入した最低限Maxwell的なグラフィックカード(図1)絡みで見つけたNVIDIA Docker、なかなか良いものなのでもっと多くの方に知ってもらいたいなと思い。 今回はNVIDIA Docker + TensorFlowでGPUを有効活用する手順を紹介します。他の方による関連記事として、日本語でのNVIDIA Docker + Caffe解説はすでにUbuntu14.04.3でnvidia-docker使ってCaffeをインストールしてみたがあります。Caffeな方はそちらを参照ください*1。今回はお題がTen
GPUマシンでTensorFlowを実行する際、CUDAもcuDNNも正常にセットアップできているのに、TensorFlowがGPUを認識しない（CUDA_ERROR_NO_DEVICEやNo GPU devices available on machine.が表示される）場合、正しいディスプレイカード・ドライバがインストールされていない可能性があります。 筆者の環境では、既存のドライバーをアンインストール（sudo apt-get remove –purge nvidia*）して、NVIDIAのサイトからドライバーをダウンロード・インストールすることでGPUを認識するようになりました。 あわせて読みたい TensorFlow on DockerでGPUを使えるようにする方法 | 株式会社カブク NVIDIA Dockerで簡単にGPU対応のTensorFlow入りコンテナを作る方法 |
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
