【1】UbuntuにAnacondaで構築するTensorFlow-GPU環境構築〜GPUスペック確認編〜


TensorFlowのGPU版(tensorflow-gpu)を動かすために必要なこととは?

  1. Deep Learningを行う計算力(compute capability)のある比較的新しいGPU(nVidia社製)を搭載していること👈今ここ
  2. GPUの適切なドライバが入っていて、使用可能な状態になっていること
  3. tensorflow-gpuやGPUのドライバ(CUDA)、Deep Learning用のライブラリ(cuDNN)をインストールする環境を作るため、Anacondaがインストールされていること
  4. Pythonや必要なライブラリがバージョンの互換性を持っていること

この記事のゴール

tensorflow-gpuを動かすことができるGPUが搭載されているのかを確認し、これ以降のステップに進めるかどうかを判断する。

クリアするべき二つの条件

そのためには以下の二つの条件を満たしているかを確認していきます。
条件1: nVidia社製のGPUを搭載していること
条件2: コンピュータのGPUがTensorFlowの要求する計算力(compute capability)を満たすこと

条件1の確認手順

条件1から確認していく。そもそも、nVidia社製のGPUが搭載されているかを確認するので、次のようにコマンドを実行する。結果、このコンピュータに搭載されているGPUはnVidia社製のQuadro K2200だと判明(条件1をクリア)。

$ lspci | grep -i nvidia
02:00.0 VGA compatible controller: NVIDIA Corporation GM107GL [Quadro K2200] (rev a2)
02:00.1 Audio device: NVIDIA Corporation Device 0fbc (rev a1)

条件2の確認手順

次に条件2の確認に入る。以下のページからcompute capabilityを見ておく(tensorflow-gpuを動かすにはcompute capability3.0以上が必要)。

先のコマンドでGPUはQuadroシリーズの製品だと分かったので、CUDA-Enabled Quadro Productsのボタンをクリックして表を表示させる。

該当の行を探す。
結果、Quadro K2200はcompute capabilityが3.0であることが判明(条件2をクリア)。

もしcompute capabilityが不足していたら

これ以降の環境構築をこなせたとしてもGPUでの計算はできません。そのときは本当にGPUを用いなくてはならないほどの計算なのかを再検討しましょう。必要ならcompute capabilityを満たすGPUを購入しましょう。

二つの条件がクリアできたら

環境構築に取り掛かっていきます。次の記事ではGPUのドライバーをインストールしてきます。次の記事で解説していきます。
【2】UbuntuにAnacondaで構築するTensorFlow-GPU環境〜nVidiaドライバーインストール編〜