Google 致力于为黑人社区推动种族平等。查看具体举措

জিপিইউ সমর্থন

টেনসরফ্লো জিপিইউ সহায়তার জন্য ড্রাইভার এবং গ্রন্থাগারগুলির ভাণ্ডার প্রয়োজন। ইনস্টলেশনটি সহজ করার জন্য এবং গ্রন্থাগারের বিরোধগুলি এড়াতে, আমরা জিপিইউ সমর্থন (কেবলমাত্র লিনাক্স) সহ একটি টেনসরফ্লো ডকার চিত্র ব্যবহার করার পরামর্শ দিই। এই সেটআপটির জন্য কেবল NVIDIA® GPU ড্রাইভারের প্রয়োজন

এই ইনস্টল নির্দেশাবলী টেনসরফ্লো সর্বশেষ প্রকাশের জন্য। পুরানো টেনসরফ্লো প্রকাশের সাথে ব্যবহার করতে CUDA® এবং cUDNN সংস্করণগুলির জন্য পরীক্ষিত বিল্ড কনফিগারেশনগুলি দেখুন।

পাইপ প্যাকেজ

উপলব্ধ প্যাকেজ, সিস্টেমের প্রয়োজনীয়তা এবং নির্দেশাবলীর জন্য পাইপ ইনস্টল গাইডটি দেখুন। TensorFlow pip প্যাকেজ CUDA®-সক্রিয় কার্ড জন্য GPU- সমর্থন রয়েছে:

pip install tensorflow

এই গাইডটি সর্বশেষ স্থিতিশীল টেনসরফ্লো রিলিজের জন্য জিপিইউ সমর্থন এবং ইনস্টলেশন পদক্ষেপগুলি কভার করে।

টেনসরফ্লো এর পুরানো সংস্করণ

1.15 এবং আরও পুরনো রিলিজের জন্য, সিপিইউ এবং জিপিইউ প্যাকেজগুলি পৃথক:

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

হার্ডওয়্যার প্রয়োজনীয়তা

নিম্নলিখিত GPU- সক্ষম ডিভাইসগুলি সমর্থিত:

  • সিভিডিএ আর্কিটেকচারের সাথে এনভিআইডিআইএ জিপিইউ কার্ড 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 এবং 8.0 এর চেয়ে বেশি। CUDA®- সক্ষম জিপিইউ কার্ডের তালিকাটি দেখুন।
  • অসমর্থিত সিইউডিএ আর্কিটেকচার সহ জিপিইউগুলির জন্য, বা পিটিএক্স থেকে জেআইটি সংকলন এড়াতে, বা এনভিআইডিআইএ লাইব্রেরির বিভিন্ন সংস্করণ ব্যবহার করতে, উত্স গাইড থেকে লিনাক্স বিল্ডটি দেখুন।
  • সর্বশেষ সমর্থিত CUDA® আর্কিটেকচার ব্যতীত প্যাকেজগুলিতে পিটিএক্স কোড থাকে না; সুতরাং, যখন CUDA_FORCE_PTX_JIT=1 সেট করা হয় তখন CUDA_FORCE_PTX_JIT=1 পুরানো জিপিইউগুলিতে লোড করতে ব্যর্থ হয়। (বিশদ জন্য অ্যাপ্লিকেশন সামঞ্জস্যতা দেখুন।)

সফ্টওয়্যার প্রয়োজনীয়তা

নিম্নলিখিত NVIDIA® সফ্টওয়্যারটি অবশ্যই আপনার সিস্টেমে ইনস্টল করা উচিত:

লিনাক্স সেটআপ

উবুন্টুতে প্রয়োজনীয় এনভিআইডিআইএ সফ্টওয়্যার ইনস্টল করার সহজ উপায় নীচের apt নির্দেশাবলী। যাইহোক, যদি উৎস থেকে TensorFlow বিল্ডিং , ম্যানুয়ালি উপরে তালিকাভুক্ত সফ্টওয়্যার প্রয়োজনীয়তা ইনস্টল করুন, এবং একটি ব্যবহারের বিষয়ে বিবেচনা -devel TensorFlow Docker ইমেজ একটি বেস হিসাবে।

সিইপিটিআই ইনস্টল করুন যা সিইডিএডিk টুলকিটের সাহায্যে প্রেরণ করে। $LD_LIBRARY_PATH পরিবেশগত পরিবর্তনশীলটিতে এর ইনস্টলেশন ডিরেক্টরি যুক্ত করুন:

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

অ্যাপের সাথে সিইউডিএ ইনস্টল করুন

এই বিভাগটি দেখায় যে কীভাবে উবুন্টু 16.04 এবং 18.04 এ CUDA® 11 (টেনসরফ্লো> = 2.4.0) ইনস্টল করা যায়। এই নির্দেশাবলী ডিবিয়ান ভিত্তিক অন্যান্য ডিস্ট্রোদের জন্য কাজ করতে পারে।

উবুন্টু 18.04 (চুদা 11.0)

# Add NVIDIA package repositories
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
sudo apt-get update

wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb

sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-get update

wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt install ./libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt-get update

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends \
    cuda-11-0 \
    libcudnn8=8.0.4.30-1+cuda11.0  \
    libcudnn8-dev=8.0.4.30-1+cuda11.0

# Reboot. Check that GPUs are visible using the command: nvidia-smi

# Install TensorRT. Requires that libcudnn8 is installed above.
sudo apt-get install -y --no-install-recommends libnvinfer7=7.1.3-1+cuda11.0 \
    libnvinfer-dev=7.1.3-1+cuda11.0 \
    libnvinfer-plugin7=7.1.3-1+cuda11.0

উবুন্টু 16.04 (চুদা 11.0)

# Add NVIDIA package repositories
# Add HTTPS support for apt-key
sudo apt-get install gnupg-curl
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-ubuntu1604.pin
sudo mv cuda-ubuntu1604.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/ /"
sudo apt-get update
wget https://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.deb
sudo apt-get update
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt install ./libnvinfer7_7.1.3-1+cuda11.0_amd64.deb
sudo apt-get update

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends \
    cuda-11-0 \
    libcudnn8=8.0.4.30-1+cuda11.0  \
    libcudnn8-dev=8.0.4.30-1+cuda11.0


# Reboot. Check that GPUs are visible using the command: nvidia-smi

# Install TensorRT. Requires that libcudnn7 is installed above.
sudo apt-get install -y --no-install-recommends \
    libnvinfer7=7.1.3-1+cuda11.0 \
    libnvinfer-dev=7.1.3-1+cuda11.0 \
    libnvinfer-plugin7=7.1.3-1+cuda11.0 \
    libnvinfer-plugin-dev=7.1.3-1+cuda11.0

উইন্ডোজ সেটআপ

উপরে তালিকাভুক্ত হার্ডওয়্যার প্রয়োজনীয়তা এবং সফ্টওয়্যার প্রয়োজনীয়তা দেখুন। উইন্ডোজের জন্য CUDA® ইনস্টল গাইডটি পড়ুন।

নিশ্চিত হয়ে নিন যে ইনস্টল করা এনভিআইডিআইএ সফ্টওয়্যার প্যাকেজগুলি উপরে তালিকাভুক্ত সংস্করণগুলির সাথে মিলেছে। বিশেষত, cuDNN64_8.dll ফাইল ছাড়া লোড হবে না। একটি ভিন্ন সংস্করণ ব্যবহার করতে, উত্স গাইড থেকে উইন্ডোজ বিল্ডটি দেখুন।

CUDA®, CUPTI, এবং cUDNN ইনস্টলেশন ডিরেক্টরিগুলিকে %PATH% পরিবেশগত চলকতে যুক্ত করুন। উদাহরণস্বরূপ, যদি CUDA® টুলকিট C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 এবং সিউডিএনএন C:\tools\cuda চুদা ইনস্টল করা থাকে তবে আপনার %PATH% কে ম্যাচ করার জন্য আপডেট করুন:

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%