【第7天】训练模型-前置作业

现况

1. 在开始训练模型之前，先和大家分享如何在Windows 10安装CUDA、cuDNN。藉由tensorflow-GPU训练模型，降低训练模型的时间。以下分成：硬体、韧体与软件，逐一介绍。

2. 硬体：

   2.1 处理器：Intel® Core™ i7-10700K

   2.2 显示卡 ：RTX2060super / 显存8G

   2.3 记忆体：48G

3. 韧体：

   3.1 作业系统：Windows 10 / 64位元

   3.2 显示卡驱动程序：472.12

4. 软件：

   4.1 Python：3.7.8

   4.2 Pycharm：PyCharm Community Edition 2019.2.3

工具/套件

1. tensorflow：2.2.0
2. keras：2.3.1
3. CUDA：10.1
4. cuDNN：7.6

内容

1. 更新显卡驱动程序：

   1.1 检查显示卡驱动程序版本

   • 开启NVDIA面板
     

   • 查询版本
     

   1.2 下载最新版本

   • 前往NVDIA官方载点，搜寻显示卡规格。
     

   • 下载驱动
     

   1.3 安装显示卡驱动

   • 系统检查：点选NVDIA图形驱动程序。
     

   • 授权协议：点选自订(进阶选项)。
     

   • 选项：可以只勾选安装「图形驱动程序 」。
     

   • 安装
     

2. tensorflow与keras：

   2.1 版本适配：进行深度学习时，可能因tensorflow与keras版本适配问题，频繁出现error。我们参考此文章，几经尝试後选定tensorflow(2.2.0)、keras(2.3.1)，并成功启动GPU加速。

   2.2 tensorflow：在Terminal输入pip install tensorflow-gpu==2.2.0

   2.3 keras：在Terminal输入pip install keras==2.3.1

3. CUDA与cuDNN

   3.1 请点选此处查询CUDA与CuDNN适配版本。(如下图)

   

   3.2 下载CUDA：官方载点

   • 载点
     

   • 过程
     

   3.3 安装CUDA

   • 授权协议：仅点选安装CUDA即可。
     

   • 安装路径：建议以预设路径安装即可。
     

   • 安装
     

   3.4 下载cuDNN：官方载点

   • 载点
     

   • 验证：点选後，需要进行信箱验证，并填写一些使用者问券，才能下载。
     

   • 完成验证後下载
     

   3.5 安装CuDNN

   • 将cuDNN解压缩後，内含3个资料夹
     

   • 将3个资料夹移动到目标路径并覆盖
     

4. 测试是否可以启用tensorflow-gpu

   4.1 程序码

   import tensorflow as tf
   print(tf.test.is_gpu_available())
   

   4.2 结果：成功启用，如下图。
   
   (侦测到显卡资讯，并输出True)

小结

下一章，会和大家简单地介绍CNN(卷积神经网路)与其不同领域的应用，及我们选择模型训练方式的想法。

让我们继续看下去...

参考资料

1. NVIDIA CUDA Toolkit Release Notes
2. Build from source on Windows