在 GPU 上运行 TensorFlow 教程 (MNIST)

介绍

我想接触TensorFlow，暂时想运行教程。
有GPU！
这就是我的想法，但是我很难让它发挥作用，所以我将把信息留在这里。

它是为谁准备的？

想要在 GPU 上运行 TensorFlow 的人

概述

基本遵循TensorFlow官方教程
它是作为初学者编写的，所以如果它顺利，它很容易！
https://www.tensorflow.org/tutorials/quickstart/beginner

我在以下环境中运行它。

操作系统：Windows 10
Python：Python 3.10.6
TensorFlow：张量流 GPU 2.9.1
显卡：RTX2070Super

创建 Python 虚拟环境

似乎建议创建一个虚拟环境，因为用库和各种版本污染环境很麻烦。
这里也是官方的方法，所以放上链接。
https://www.tensorflow.org/install/pip?hl=ja

我输入了教程源代码并尝试运行它。 .

即使键入并执行以下教程的源代码，也会出现错误
https://www.tensorflow.org/tutorials/quickstart/beginner

错误信息

- Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform. alled properly if you would like to use GPU. Follow the guide 
- Skipping registering GPU devices...
- 2022-07-25 17:44:34.995926: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2 wing CPU instructions in performance-critical operations:  AVX
- To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
- <TensorSliceDataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>

安装 CUDA 工具包

就我而言，我试图在 GPU 上运行，所以我需要为 GPU 安装库。
从 nvidia 页面下载并安装！
https://developer.nvidia.com/cuda-downloads

安装后检查时的另一个错误。 .

错误信息

- W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found

添加了 DLL 加载

Windows 版本 Python 3.8 或更高版本似乎需要单独加载 DLL。
CUDA 环境变量是自动创建的，所以添加导入。
（我被困在这里）
将以下内容添加到代码的开头

米到圣。 py

import os; os.add_dll_directory(os.path.join(os.environ['CUDA_PATH'], 'bin'));

我认为这是解决方案，但我得到了一个错误

错误信息

- W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found

安装CUDA8系列DLL

我希望你从一开始就把它放进去。 .欢迎在下方下载。
https://developer.nvidia.com/cuda-80-ga2-download-archive

解压缩 ZIP 并将错误消息 DLL 复制到以下内容。
C:\Program Files\NVIDIA GPU 计算工具包\CUDA\v11.7\bin

终于搬家了！

做完以上并执行后，学习进度就显示在终端上了！
TensorFlowのチュートリアルをGPUで動かす（MNIST）
所以，如果你注意以下几点，TensorFlow 似乎可以安全地工作。

安装 CUDA 工具包
包括CUDA8系列的DLL
导入 CUDA 路径（在 Windows 上）

设计一点

该教程有效。 .
光看准确率就不是很有趣，所以我稍微修改了一下。

选择测试数据并显示图像（pyplot）
显示最高概率预测

我只是想检查图像中的结果，因此该方法合适是一种耻辱。 .
最终代码如下

米到圣。 py

import os; os.add_dll_directory(os.path.join(os.environ['CUDA_PATH'], 'bin')); # GPUを使用するためのDLL読み込み設定
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test_org, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test_org / 255.0

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10)
])

predictions = model(x_train[:1]).numpy()
tf.nn.softmax(predictions).numpy()
print(predictions)

loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
# print(loss_fn(y_train[:1], predictions).numpy())

model.compile(optimizer='adam',
                loss=loss_fn,
                metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)

probability_model = tf.keras.Sequential([
    model,
    tf.keras.layers.Softmax()
])
target = 0
while target >= 0:
    target = int(input("テスト画像のindexを入力してね"))
    if target < 0:
        next
    plt.imshow(x_test_org[target],
                cmap=plt.cm.binary)
    plt.show()
    testdata = x_test[target:target+1]
    ans = probability_model(testdata)
    ans_idx = np.argmax(ans[0])
    print("この文字は" + str(ans_idx) + "だと思う")
    print(y_test[target:target+1])

原创声明：本文系作者授权爱码网发表，未经许可，不得转载;

原文地址：https://www.likecs.com/show-308622953.html