Como Instalar TensorFlow con GPU para Windows 10/11¶
Fecha última Actualización: 31 de mayo del 2023
Una guía en español
Introducción¶
Este recurso busca facilitar el proceso de uso de GPU en TensorFlow para usuarios de Windows (probablemente el segundo problema más difícil en aprendizaje automático). En este se detallan los requerimientos tanto como pasos necesarios para garantizar el correcto uso de GPU por TensorFlow en un entorno local de Windows.
Este recurso fue generado como material de apoyo para el ramo "INTRODUCCIÓN A LAS REDES NEURONALES ARTIFICIALES AND DEEP LEARNING" dictado por el profesor Ricardo Ñanculef en la Universidad Técnica Federico Santa María.
Requerimientos¶
A continuación se detallan algunos de los paquetes que es necesario tener previamente instalados en Windows para el correcto funcionamiento del proceso de instalación detallado.
- pyenv (o cualquier otra herramienta de manejo de ambientes de Python)
- GPU Nvidia
- Cuenta de Microsoft Online
- Cuenta de NVIDIA Developer
Instalación¶
Para la realización de la instalación se trabajará en un entorno con los siguientes detalles técnicos (sin TensorFlow instalado):
- OS: Windows 10
- Python: 3.8.10
- TensorFlow: 2.10.0 (versión más reciente para Windows al momento de realizar el recurso)
1. Encontrar la versión de TF a instalar y sus drivers¶
El primer paso consiste en ir a este link y decidir la versión de TensorFlow a instalar. Dependiendo de que versión se haya elegido se debe determinar la versión de drivers de CUDA y otros softwares compatibles.
Por fines pedagógicos se utilizará la versión 2.10.0 de TensorFlow con el fin de hacer más ilustrativo el manejo y uso de versiones. Del link indicado se extrae la siguiente tabla:
Tabla versiones TensorFlow y librerías necesarias
De la tabla observamos que para emplear TensorFlow 2.10.0 con GPU necesitamos una instalación de Python que esté entre las versiones 3.7 y 3.10, de compilador es necesario instalar visual studio community version 2019 (incluye las build tools necesarias), cUDNN 8.1 y CUDA 11.2.
2. Instalar Microsoft Visual Studio¶
Para el segundo paso es necesario instalar Microsoft Visual Studio. Nótese que Microsoft Visual Studio y Visual Studio Code son herramientas distintas. En caso de tener Microsoft Visual Studio 2022 previamente instalado, desinstálelo antes de continuar con los siguientes pasos.
Ingrese al siguiente link y descargue Microsoft Visual Studio 2019 community edition, para esto es necesario tener una cuenta en Microsoft (alumnos y funcionarios de la Universidad Técnica Federico Santa María tienen cuenta ya creada, solo deben apretar descargar y realizar la autorización de permisos).
Descarga Microsoft Visual Studio 2019
Al apretar descarga se debiese redireccionar a la siguiente página, donde se debe descargar Visual Studio Community 2019 (version 16.11) (en caso de estar en un sistema de 32-bit cambiar de x64 a x86):
Descarga Microsoft Visual Studio Community 2019 (version 16.11)
Corra el ejecutable descargado y espere a que termine la instalación. El instalador le pedirá elegir el workload a instalar, no es necesario elegir ninguno por lo cual simplemente instale sin workload y haga clic en continuar. Con la instalación finalizada le pedirá ingresar a su cuenta, es paso no es necesario por lo cual puede saltarse este paso.
3. Instalar NVIDIA CUDA toolkit¶
El NVIDIA CUDA toolkit contiene los drivers para las GPU de NVIDIA. Dependiendo del sistema en el que se esté trabajando estos pueden o no estar previamente instalados, si lo están es necesario chequear la compatibilidad con TensorFlow. Esta guía asume que no están instalados, sin embargo, en caso de estarlo se puede seguir el tutorial y no debiese evidenciar problemas.
Para correcta ejecución de GPU en TensorFlow es necesario primero eliminar TODAS las versiones de CUDA instaladas, para esto vaya a Settings en Windows e ingrese a "Apps & Features", en buscar introduzca "nvidia cuda" y desinstale TODAS las aplicaciones que tengan "nvidia cuda" en su nombre. Luego vaya a Local Disk (C:) > Program Files > NVIDIA GPU Computing Toolkit > CUDA, dentro de esta carpeta debiesen estar todas las versiones distintas de cuda previamente instaladas, elimine TODOS los contenidos de la carpeta CUDA.
Ingrese al siguiente link y descargue la versión compatible, para nuestro caso es CUDA Toolkit 11.2.0 (todas las versiones 11.2.x debiesen funcionar correctamente), al ingresar al link debe ver algo como esto:
Versiones CUDA Toolkit
En esta página buscamos las versiones compatibles y luego hacemos clic en alguna de ellas y no redireccionará a otra página. Aquí elegimos el sistema operativo sobre el que trabajaremos (en nuestro caso Windows, particularmente Windows 10) y descargamos el instalado, puede ser la versión de red (más liviana) o el exe (más pesado, pero viene con todo lo necesario para la instalación), en este caso seleccionamos el exe y hacemos clic en descargar, como se puede observar en la imagen a continuación:
Download CUDA Toolkit 11.2.0
A continuación ejecute el exe y siga los pasos descritos por el instalador.
Solución Frameview: ir a Settings en Windows, ingrese a "Apps & Features", en buscar introduzca "nvidia frameview" y desintale TODAS las aplicaciones que tengan "nvidia frameview" en su nombre.
ERROR No se encontraron versiones compatibles de Visual Studio:
Solución Visual Studio: ir a Settings en windows, ingrese a "Apps & Features", en buscar introduzca "visual studio" y verifique que tiene instalada la versión del 2019, desinstale todas las versiones de visual studio instaladas y repita el paso 2.
Le pedirá crear una cuenta de desarrollador:
Si no tiene una cuenta previamente creada, haga clic en "join", ingrese su email y llene el formulario, tras lo cual recibirá su cuenta de desarrollador (Esta es GRATUITA). Luego vuelva a la página de descarga de cuDNN donde debiese aparecer lo siguiente:
En nuestro caso necesitamos la versión 8.1.0 para CUDA 11.2 por lo cual debe hacer clic en Archived cuDNN Releases (también puede instalar cualquiera de las versiones compatibles con CUDA 11.x y no debiese tener problemas):
Al hacer clic nos muestra lo siguiente y debemos descargar la versión para Windows:
Esto nos debiese descargar una carpeta zip la cual descomprimimos y nuestra carpeta de descargas debiese verse así:
Ingresamos a la carpeta cuda, copiamos las tres carpetas dentro de ella (bin,include,lib) con todos sus contenidos y las pegamos en C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2.
Windows Explorer señalará que estas carpetas ya existen, por lo cual debemos escoger la opción Reemplazar archivos de destino y seleccionamos esto para todos los archivos.
5. Añadir CUDA toolkit al PATH de usuario¶
Para el funcionamiento correcto de CUDA con TensorFlow necesitamos añadir acceso a esta carpeta mediante las variables de ambiente. En la dirección C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2, hay una carpeta denominada bin, ingrese a esta, copie y guarde la dirección:
Ahora en C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2 ingrese a libnvvp, copie y guarde la dirección:
Ingrese a Windows y escriba "environment variables":
Haga clic en el icono y debiese aparecer la siguiente ventana:
En las variables de usuario elija editar Path:
Haga clic en New y añada las rutas de bin y libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
Haga clic en OK y ¡¡REINICIE EL COMPUTADOR!!.
6. Instalar TensorFlow en un ambiente virtual¶
Para nuestro caso particular utilizamos pyenv pero cualquier otra herramienta para crear ambientes de Python sirve:
pyenv install 3.8
pyenv global 3.8
Instalamos nuestra versión de TensorFlow y JupyterLab para trabajar con Jupyter notebook:
pip install tensorflow==2.10.0
pip install jupyterlab ipykernel
Generamos un Jupyter notebook y ejecutamos lo siguiente para verificar que TensorFlow reconozca correctamente la GPU:
import tensorflow as tf
from tensorflow.python.client import device_lib
print(tf.__version__)
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
device_lib.list_local_devices()
2.10.0 Num GPUs Available: 1
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17289828873053620691
xla_global_id: -1,
name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 3643801600
locality {
bus_id: 1
links {
}
}
incarnation: 15063887881416157935
physical_device_desc: "device: 0, name: NVIDIA GeForce RTX 3060 Laptop GPU, pci bus id: 0000:01:00.0, compute capability: 8.6"
xla_global_id: 416903419]
Referencias¶
- https://www.tensorflow.org/
- https://developer.nvidia.com/
- https://github.com/aladdinpersson/Machine-Learning-Collection
- https://www.youtube.com/watch?v=hHWkvEcDBO0&t
- https://towardsdatascience.com/how-to-finally-install-tensorflow-gpu-on-windows-10-63527910f255
- https://towardsdatascience.com/how-to-host-jupyter-notebook-slides-on-github-d785f30e6e2
- https://pages.github.com/
- https://rise.readthedocs.io/en/stable/
- https://12ft.io/
Agradecimientos¶
A @aladdinpersson y a su minucioso video sobre como realizar la instalación el cual pese a estar desactualizado fue un valioso aporte en la realización de este recurso.
Autores¶
- Domingo Benoit Cea
Contacto¶
Para contactarme sobre esta guía por favor añadir en el asunto:
[Guía Instalación TensorFlow con GPU]
Con dirección al siguiente email:
Fecha creación: 31 de mayo del 2023