Mac下CUDA開啟及Tensorflow-gpu 1.4 安裝
在之前的文章中，筆者介紹了在Mac下安裝Tensorflow及開發環境搭建。但是感覺用CPU跑機器學習還是太慢了，所以便研究研究如何使用GPU來跑。
1.執行環境
軟體環境：
macOS Sierra 10.12.6
Xcode 8.2.1
Python 2.7
Homebrew
GPU Driver: WebDriver-378.05.05.25f03
CUDA Driver: cudadriver-8.0.90-macos
CudaToolkit: cuda_8.0.61_mac
CUDNN: cudnn-8.0-osx-x64-v6.0
硬體環境：
CPU：2.3 GHz Intel Core i7
Memory：16 GB 1600 MHz DDR3
GPU：NVIDIA GeForce GT 750M 2048 MB
首先需要注意的是，新版的Macbook現在搭載的都是A卡，這類機器的話除了用OpenCL的方法之外，還可以通過外接顯示卡的方法跑機器學習。
2.CUDA安裝
首先需要說明的是：CUDA Driver與NVIDIA GPU Driver的版本必須一致，才能讓CUDA找到顯示卡。
在mac上安裝CUDA最麻煩的事情就是版本匹配問題，這個版本匹配指的是MacOS版本和CUDA Driver、GPU Driver的版本都要匹配。這個網站提供了詳細的版本對照：http://www.macvidcards.com/drivers.html
在以上①②③個東西都安裝好之後，配置 CUDA 環境，編輯 ~/.bash_profile 檔案，開啟終端：
open -e .bash_profile |
然後在彈出的檔案中新增：
export CUDA_HOME=/usr/local/cudaexport DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME/extras/CUPTI/lib"export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATHexport PATH=$DYLD_LIBRARY_PATH:$PATHexport flags="--config=cuda --config=opt" |
執行命令重啟bash_profile
$ . ~/.bash_profile |
檢測CUDA能否正常執行：
$ cd /usr/local/cuda/samples$ sudo make -C 1_Utlities/deviceQuery$ ./bin/x86_64/darwin/release/deviceQuery |
如果最後顯示 Result = PASS，那麼CUDA就工作正常
隨後再安裝CUDNN
下好後直接把cudnn-8.0-osx-x64-v6.0.tar壓縮包丟到這下面，這是在安裝CUDA的時候他就幫你建好的一個路徑。
/Developer
然後解壓它。
sudo tar xvf cudnn-8.0-osx-x64-v6.0.tar |
官方解壓出來叫做cuda應該意思就是讓你放到cuda這個資料夾下和cuda自己的檔案合併。
在瞭解cuda的前情後，就知道怎麼裝這個cudnn了。
sudo mv include/cudnn.h /Developer/NVIDIA/CUDA-8.0/include/sudo mv lib/libcudnn* /Developer/NVIDIA/CUDA-8.0/libln -s /Developer/NVIDIA/cudnn/include/* /usr/local/cuda/include/ln -s /Developer/NVIDIA/cudnn/lib/* /usr/local/cuda/lib/ |
至此CUDA部分安裝結束。
3.Tensorflow_gpu安裝
3.1 開啟終端，輸入以下命令建立環境：
$ conda create -n tensorflow_gpu python=2.7 |
3.2 啟用環境：
$ source activate tensorflow_gpu |
3.3 安裝tensorflow：
安裝tensorflow的時候特別的需要小心，因為tensorflow團隊宣佈停止支援1.2以後mac 版的tensorflow了。
如果你直接用pip install 的方法的話，那麼應該會裝成1.1版的tensorflow：
| 1 | pip install tensorflow-gpu |
我來詳細的介紹一下安裝tensorflow-gpu 1.4版的步驟：
你可以選擇自己從原始碼編譯tensorflow進行安裝，或者使用別人編譯好的進行安裝。
筆者這裡提供一個環境為python=2.7，CUDA=8.0，CUDNN=6，Compute Capability=3.0,3.5,5.2,6.1,tensorflow=1.4.0的版本給大家。如果你裝的版本和筆者在上文中提到的一樣的話，那麼下載下來這個包之後，
（連結:https://pan.baidu.com/s/1hsgY5Kg 密碼:suq7）
cat 到下載目錄下，
然後直接
pip install tensorflow-1.4.0-cp27-cp27m-macosx_10_12_intel.whl |
即可
其中cp27代表的是python的版本為2.7版的，如果是cp35，cp36，那麼就代表是python3.5或者python3.6的；macosx_10_12代表的是作業系統的版本號
3.4 測試tensorflow
執行python環境
執行如下測試指令碼：
import tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello)) |
3 . 測試結果：
2017-12-14 23:26:26.352229: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.2 AVX AVX2 FMA2017-12-14 23:26:27.049231: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:859] OS X does not support NUMA - returning NUMA node zero2017-12-14 23:26:27.050014: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1062] Found device 0 with properties: name: GeForce GT 750M major: 3 minor: 0 memoryClockRate(GHz): 0.9255pciBusID: 0000:01:00.0totalMemory: 2.00GiB freeMemory: 1.71GiB2017-12-14 23:26:27.050043: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1152] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GT 750M, pci bus id: 0000:01:00.0, compute capability: 3.0)Hello, TensorFlow! |