TensorFlow GPU 支持

TensorFlow GPU 支持需要各種驅動程序和庫。爲了簡化安裝並避免庫衝突，建議您使用支持 GPU 的 TensorFlow Docker 映像（僅限 Linux）。此設置僅需要 NVIDIA® GPU 驅動程序。

這些安裝說明適用於最新版 TensorFlow。要了解可用於舊版 TensorFlow 的 CUDA 和 cuDNN 版本，請參閱經過測試的編譯配置。

pip 軟件包

要了解可用的軟件包、系統要求和說明，請參閱 pip 安裝指南。要使用 pip 安裝支持 GPU 的 TensorFlow 軟件包，請選擇穩定版或開發軟件包：

pip install tensorflow  # stable    pip install tf-nightly  # preview

舊版 TensorFlow

對於 1.15 及更早版本，CPU 和 GPU 軟件包是分開的：

    pip install tensorflow==1.15      # CPU
    pip install tensorflow-gpu==1.15  # GPU

硬件要求

支持以下帶有 GPU 的設備：

• CUDA® 計算能力爲 3.5 或更高的 NVIDIA® GPU 卡。請參閱支持 CUDA 的 GPU 卡列表。

軟件要求

必須在系統中安裝以下 NVIDIA® 軟件：

• NVIDIA® GPU 驅動程序：CUDA 10.1 需要 418.x 或更高版本。
• CUDA® 工具包：TensorFlow 支持 CUDA 10.1（TensorFlow 2.1.0 及更高版本）
• CUDA 工具包附帶的 CUPTI。
• cuDNN SDK（7.6 及更高版本）
• （可選）TensorRT 6.0，可縮短在某些模型上進行推斷的延遲並提高吞吐量。

Linux 設置

要在 Ubuntu 上安裝所需的 NVIDIA 軟件，最簡單的方法是使用下面的 apt 指令。但是，如果從源代碼構建 TensorFlow，請手動安裝上述軟件要求中列出的軟件，並考慮以 -devel TensorFlow Docker 映像作爲基礎。

安裝 CUDA® 工具包附帶的 CUPTI，並將其安裝目錄附加到 $LD_LIBRARY_PATH 環境變量中：

    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64
    

對於 CUDA 計算能力爲 3.0 的 GPU，或不同版本的 NVIDIA 庫，請參閱在 Linux 下從源代碼構建指南。

使用 apt 安裝 CUDA

本部分將介紹如何針對 Ubuntu 16.04 和 18.04 安裝 CUDA 10（TensorFlow 1.13.0 及更高版本）和 CUDA 9。這些說明可能適用於其他 Debian 系發行版。

注意：安全啓動會讓 NVIDIA 驅動程序的安裝過程變複雜，並且不在這些說明的討論範圍內。

Ubuntu 18.04 (CUDA 10.1)

    # Add NVIDIA package repositories
    wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.1.243-1_amd64.debsudo dpkg -i cuda-repo-ubuntu1804_10.1.243-1_amd64.debsudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pubsudo apt-get updatewget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.debsudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.debsudo apt-get update

    # Install NVIDIA driver
    sudo apt-get install --no-install-recommends nvidia-driver-418
    # Reboot. Check that GPUs are visible using the command: nvidia-smi

    # Install development and runtime libraries (~4GB)
    sudo apt-get install --no-install-recommends \
        cuda-10-1 \
        libcudnn7=7.6.4.38-1+cuda10.1  \
        libcudnn7-dev=7.6.4.38-1+cuda10.1
    

    # Install TensorRT. Requires that libcudnn7 is installed above.
    sudo apt-get install -y --no-install-recommends libnvinfer6=6.0.1-1+cuda10.1 \
        libnvinfer-dev=6.0.1-1+cuda10.1 \
        libnvinfer-plugin6=6.0.1-1+cuda10.1
    

Ubuntu 16.04 (CUDA 10.1)

    # Add NVIDIA package repositories
    # Add HTTPS support for apt-key
    sudo apt-get install gnupg-curlwget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_10.1.243-1_amd64.debsudo dpkg -i cuda-repo-ubuntu1604_10.1.243-1_amd64.debsudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pubsudo apt-get updatewget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb sudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.debsudo apt-get update

    # Install NVIDIA driver
    # Issue with driver install requires creating /usr/lib/nvidia
    sudo mkdir /usr/lib/nvidiasudo apt-get install --no-install-recommends nvidia-418
    # Reboot. Check that GPUs are visible using the command: nvidia-smi

    # Install development and runtime libraries (~4GB)
    sudo apt-get install --no-install-recommends \
        cuda-10-1 \
        libcudnn7=7.6.4.38-1+cuda10.1  \
        libcudnn7-dev=7.6.4.38-1+cuda10.1
    

    # Install TensorRT. Requires that libcudnn7 is installed above.
    sudo apt-get install -y --no-install-recommends \
        libnvinfer6=6.0.1-1+cuda10.1 \
        libnvinfer-dev=6.0.1-1+cuda10.1 \
        libnvinfer-plugin6=6.0.1-1+cuda10.1
    

Ubuntu 16.04（CUDA 9.0，TensorFlow 1.13.0 以下版本）

    # Add NVIDIA package repository
    sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pubwget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.1.85-1_amd64.debsudo apt install ./cuda-repo-ubuntu1604_9.1.85-1_amd64.debwget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.debsudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.debsudo apt update

    # Install the NVIDIA driver
    # Issue with driver install requires creating /usr/lib/nvidia
    sudo mkdir /usr/lib/nvidiasudo apt-get install --no-install-recommends nvidia-410
    # Reboot. Check that GPUs are visible using the command: nvidia-smi

    # Install CUDA and tools. Include optional NCCL 2.x
    sudo apt install cuda9.0 cuda-cublas-9-0 cuda-cufft-9-0 cuda-curand-9-0 \
        cuda-cusolver-9-0 cuda-cusparse-9-0 libcudnn7=7.2.1.38-1+cuda9.0 \
        libnccl2=2.2.13-1+cuda9.0 cuda-command-line-tools-9-0

    # Optional: Install the TensorRT runtime (must be after CUDA install)
    sudo apt updatesudo apt install libnvinfer4=4.1.2-1+cuda9.0

Windows 設置

請參閱上面列出的硬件要求和軟件要求，並閱讀適用於 Windows 的 CUDA® 安裝指南。

確保安裝的 NVIDIA 軟件包與上面列出的版本一致。特別是，如果沒有 cuDNN64_7.dll 文件，TensorFlow 將無法加載。要使用其他版本，請參閱在 Windows 下從源代碼構建指南。

將 CUDA、CUPTI 和 cuDNN 安裝目錄添加到 %PATH% 環境變量中。例如，如果 CUDA 工具包安裝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，同時 cuDNN 安裝到 C:\tools\cuda，請更新 %PATH% 以匹配路徑：

    SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;%PATH%
    SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;%PATH%
    SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;%PATH%
    SET PATH=C:\tools\cuda\bin;%PATH%