TensorFlow™ GPU 背后的那些事儿

Track-1   ·   发表于 2018-12-4   ·   漏洞文章

TensorFlow™是一个开放源代码软件库,用于进行高性能数值计算。借助其灵活的架构,用户可以轻松地将计算工作部署到多种平台(CPU、GPU、TPU)和设备(桌面设备、服务器集群、移动设备、边缘设备等)。

TensorFlow™ 最初是由 Google Brain 团队(隶属于 Google 的 AI  部门)中的研究人员和工程师开发的,可为机器学习和深度学习提供强有力支持,并且其灵活的数值计算核心广泛应用于许多其他科学领域。目前TensorFlow™ 有适用于CPU(TensorFlowCPU)和GPU(TensorFlow  GPU)的两种安装选择。 有区别于通过pip安装TensorFlowCPU版本,安装TensorFlow GPU还需要更多的底层依赖。

TensorFlow  GPU主要是通过NVIDIA提供的CUDA和cuDNN存取GPU,从而实现比CPU快数十倍的深度学习训练加速能力。本文结合知道创宇IA实验室在实际的业务生产中积累的经验,主要介绍TensorFlow  GPU版本的安装和使用,以及简单示例运行。

名词解释

在进入正题之前,首先详细介绍一下其所涉及的几个名词。

Graphic Processing  Unit(GPU):用于个人计算机、工作站和服务器的专用图像设备。又名显示卡或显卡,目前主要的生产厂商是NVIDA生产的N卡和AMD  生产的A卡。相比于由几个核组成CPU专注于顺序串行处理,GPU  则拥有一个由数以千计的更小、更高效的核组成的大规模并行计算架构,其更擅长并行计算。

Compute Unified  DeviceArchitecture(CUDA):它是NVIDIA推出的能够解决GPU复杂计算问题的并行计算架构。目前NVIDIA面向分布式计算的显卡架构的演变已经历了Tesla、Fermi、Kepler、Maxwell、Pascal、Volta(以物理学家名字命名),且随着架构的演变其浮点计算的能力也越来越强。在NVIDIA  Tesla常以第一个字母来命名其产品,比如Tesla M40、Tesla P100、Tesla V100。

CUDA ToolkitCUDA Toolkit是为创建高性能GPU加速应用程序提供了开发环境。目前支持C,C ++,Fortran,Python和MATLAB的编程,编译器的名称是nvcc。

NVIDIA GPU drivers(显卡驱动):它是用来驱动NVIDIA显卡所对应的软件程序。

CUDA Deep NeuralNetwork Library(cuDNN):NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库。

GPU支持

安装TensorFlow GPU相应的硬件和软件(驱动和库)支持。TensorFlow™ 最新版本(1.12)对硬件:

NVIDIA® GPUcard with CUDA® Compute Capability 3.5 or higher.

具有计算能力3.5或更高版本的NVIDIA®GPU卡。

对软件的要求:

NVIDIA® GPU drivers—CUDA 9.0requires 384.x or higher.

NVIDIA®GPU 驱动程序 -CUDA 9.0 需要384.x或更高版本。

CUDA®Toolkit —TensorFlow supports CUDA 9.0.

CUDA®Toolkit- TensorFlow支持CUDA 9.0。

CUPTIshipswith the CUDA Toolkit.

CUPTI附带CUDA工具包。

cuDNNSDK( > = 7.2)

NVIDIA深度神经网络的加速库(版本大于等于7.2)

硬件支持

从TensorFlow  所需要软件CUDA和CUDA的名词描述可以得出TensorFlow仅仅支持N卡,如果计算机属于A卡,则只能安装TensorFlowCPU版本,或者用AMD的ROCm  GPU平台来安装GPU  版本的TensorFlow。本文重点讲以最为流行的N卡支持CUDA为重点讲解。使用lspci命令可以查看机器的NVIDIA显卡配置

从显示结果看当前机器的GPU卡的型号是NVIDIA Tesla M40。当然,也并非所有的N卡都支持TensorFlow GPU  版本,其还要求GPU具有相应的计算能力,比如TensorFlow最新版1.12 就要求计算能力大于3.5。NVIDIA  GPU卡的计算能力可以通过其官网列表查询得到。目前NVIDIA产品主要系列有:

GeForce, 面向普通大众用户,包括GTX和TITAN系列,价格比较亲民,用于科学计算精度稍低。GTX桌面版750以上、笔记本930M以上和全系的TITANX计算能力均大于等于3.5。

Tesla,面向企业部署而设计的用于大规模并行计算的产品,包含有F(Fermi 架构)、KKepler架构、M(Maxwell架构)、P(Pascal架构)和V(Volta架构)系列产品。目前除TeslaK10以外,K、M、P、V系列的产品的计算能力均大于3.5。Tesla系列与GeForce 系列的TITANX相比,其单机长期上线运行,稳定性更好。

Quadro,面向专业的绘图设计,其分为桌面版和手机版两个系列。

Terga/Jetson, 面向移动和嵌入式设备。

软件支持

TensorFlow官方文档会指定每一个TensorFlowGPU版本所依赖的python、cuDNN、GPU显卡驱动和CUDA的版本。在安装的时候一定注意版本的对应关系,若Python、cuDNN、GPU显卡驱动和CUDA的版本有低于TensorFlow  GPU 要求的版本,在安装和使用过程中会出现错误。下表是TensorFlow GPU在Linux系统下版本对应表。

TensorFlow GPUpythoncuDNNCUDA
1.122.7、3.3-3.6>=7.29
1.112.7、3.3-3.6>=7.29
1.102.7、3.3-3.679
1.9.02.7、3.3-3.679
1.8.02.7、3.3-3.679
1.7.02.7、3.3-3.679
1.6.02.7、3.3-3.679
1.5.02.7、3.3-3.679
1.4.02.7、3.3-3.668
1.3.02.7、3.3-3.668
1.2.02.7、3.3-3.65.18
1.1.02.7、3.3-3.65.18
1.0.02.7、3.3-3.65.18

TensorFlow GPU 安装过程

以服务器的NVIDIA Tesla M40为例,在操作系统Centos 7上安装最新版本TensorFlow GPU 1.12。

GPU 驱动安装

根据TensorFlow 1.12 GPU支持要求的NVIDIA驱动版本,从NVIDIA网站 选择对应的型号和操作系统,CUDA Toolkit版本,下载驱动文件,如NVIDIA-

运行驱动文件,根据提示完成安装。

安装完成以后通过NVIDIA命令工具nvidia-smi查看GPU情况

从上图可以看到,NVIDIA GPU显卡驱动型号384.145。当有TensorFlow GPU任务运行的时候,使用该命令也可以查看GPU的内存使用情况,也可以作为检查TensorFlow是CPU运行还是GPU运行。

CUDA 安装

从NVIDIA网站 选择相应的驱动版本,选择Linux,x86_64,CentOS 7,下载rpm(local)驱动文件。

根据安装指导安装

配置系统环境(/etc/profile)或者当前用户的环境(~/.bashrc)。

Source配置文件后,查看nvcc版本,若如下图所示则说明CUDA安装成功。到此,也就配置好了CUDA C/C++的编译环境,可以使用nvcc编译.cu的文件。

cuDNN 安装

从NVIDIA网站 下载cuDNN 安装包,根据GPU及CUDA版本选择对应cuDNN版本,下载cuDNN v7.4.1 for CUDA9.0。

解压拷贝到CUDA安装目录,需要注意的是在/usr/local目录下存在cuda和cuda-9.0两个目录,一定要拷贝到cuda目录下。

安装TensorFlow

安装TensorFlow GPU就比较容易了,在启用Python不同的虚拟环境下,可以直接通过pip安装,国内的用户可以选择国内的豆瓣pip源。

验证TensorFlow GPU

启动python交互运行界面,导入TensorFlow模块,进行简单的验证。

从输出的日志可以看到发现了两个GPU卡,则说明 TensorFlow GPU是安装成功的。

TensorFlow示例运行

TensorFlow GitHub官方仓库

https://github.com/tensorflow/tensorflow.git

https://github.com/tensorflow/models.git

下载相应的代码,可以直接运行samples里面实例。

*本文作者:Knownsec知道创宇,转载来自FreeBuf.COM


打赏我,让我更有动力~

0 Reply   |  Until 2018-12-4 | 541 View
LoginCan Publish Content
返回顶部 投诉反馈

掌控者 © 2016. All Rights Reserved. 掌控者

Powered by 掌控者 Version 2.1.3