conda create -y -n tf2 -c anaconda tensorflow-gpu
conda activate tf2
python -c '
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]="3" #Désactiver les messages du journal Tensorflow
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices("GPU")))'
# Num GPUs Available:  1
Le GPU a été reconnu! : smiley:
Vérifions le paquet.
conda list -n tf2 | grep -e python -e cud -e tensorflow
# cudatoolkit               10.1.243             h6bb024c_0    anaconda
# cudnn                     7.6.5                cuda10.1_0    anaconda
# python                    3.7.7           hcf32534_0_cpython    anaconda
# tensorflow                2.1.0           gpu_py37h7a4bb67_0    anaconda
# tensorflow-base           2.1.0           gpu_py37h6c5654b_0    anaconda
# tensorflow-estimator      2.1.0              pyhd54b08b_0    anaconda
# tensorflow-gpu            2.1.0                h0d30ee6_0    anaconda
CUDA, CuDNN n'a pas été installé à la même époque l'année dernière Maintenant, tout est installé en un seul coup: clap:
#Installation R
conda install -y -n tf2 r-essentials r-base
cat << 'EOF' > r_env.R
options(repos = "https://cran.rstudio.com")
if (!requireNamespace("reticulate", quietly = T)) install.packages("reticulate")
reticulate::use_condaenv("tf2")
library(reticulate)
#Vérifiez si l'environnement tf2 est appelé: 
print(reticulate::py_config()[1])
#Vérifiez si le GPU est reconnu.
Sys.setenv(TF_CPP_MIN_LOG_LEVEL = 3) #Désactiver les messages du journal Tensorflow
tf <- import("tensorflow")
print(sprintf("Num GPUs Available: %d", 
length(tf$config$experimental$list_physical_devices("GPU"))))
EOF
Rscript r_env.R
#Résultat d'exécution
# $python
# [1] "XXX/anaconda3/envs/tf2/bin/python"
# [1] "Num GPUs Available: 1"
Le GPU a également été reconnu dans R! Vous pouvez maintenant utiliser le GPU pour activer le calcul gorigori!
Recommended Posts