マイブログ リスト

医療言語処理講座

2020年3月23日月曜日

Pyゼミ0.05　備忘録　Ubuntu18.04にTensorFlowとChainerをインストールする

昨年2019年12月に突然PFN社がChainerの開発の中止を発表．
日本発のAIフレームワークと整然としたコードが好きだったので，長く使おうと思っていたのに開発中止のニュース．
残念です．

世の中のメジャーはGoogleのTensorFlowということで，研究室のUbuntu16.04を18.04にアップグレードと合わせてTensorFlowをインストールしました．
まだ，Chainerの資産があるのでChainerもインストールしておきます．
その他，画像関連のAI開発に必要なライブラリもインストール．
これらの作業の備忘録ですので，見た目は良くないので，勘弁．

Key word：Ubuntu 18.04，TensorFlow，Chainer，GPU


インストールPCの仕様

インストールを行ったPCの仕様は以下の通りです．

  • CPU　    Core i7 or i5
  • メモリ　 16GB or 8GB
  • GPU       GeForce 1080 or 1060
  • Storage  240GB SSD ～ 1Tb HDD 


行った作業項目

  1. Ubuntu 18.04のインストール（詳細割愛）
  2. NVIDIAドライバーとCUDAのインストール
  3. CUDAのパスを.bashrcに設定する
  4. cuDNNのインストール
  5. Anacondaのインストール
  6. TensorFlowとKerasのインストール
  7. cupyのインストール
  8. Chainerのインストール
  9. OpenCVのインストール（画像処理関連ライブラリ）
  10. DCMTKのインストール（画像圧縮，解凍のツールキット）
  11. ImageJのインストール（DICOM画像のフリービューワ）
  12. Dropboxのインストール（おまけ）


具体的作業手順

1)Ubuntu 18.04 インストール

  • インストールはSecure BootをDisableにしていること．
  • インストール後，アップデートを実行・完了すること．

2）NVIDIA DriverとCUDAのインストール

参考URL

　CUDA Toolkit 10.2 Download
　https://developer.nvidia.com/cuda-downloads

ダウンロード条件

　Linux
　x86_64
　Ubuntu
　18.04
　dev[network]

以下の作業をターミナルから入力し実行する．

$ 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 http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
$ sudo apt-get update
$ sudo apt-get -y install cuda

再起動する

$ sudo reboot

確認

次のコマンドを入力してドライバーがインストールされたことを確認する
$ nvidia-smi
（以下の情報が表示されればOK，DriverとCUDAのバージョンが表示されている）
Fri Mar  6 18:15:09 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.33.01    Driver Version: 440.33.01    CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 106...  On   | 00000000:01:00.0  On |                  N/A |
| 41%   39C    P2    23W / 120W |    233MiB /  6075MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0       984      G   /usr/lib/xorg/Xorg                            18MiB |
|    0      1014      G   /usr/bin/gnome-shell                          48MiB |
|    0      1312      G   /usr/lib/xorg/Xorg                            95MiB |
|    0      1445      G   /usr/bin/gnome-shell                          66MiB |
+-----------------------------------------------------------------------------+

3)CUDAのパスを.bashrcに設定

エディタgeditを使って.bashrcファイルを編集する． 
$ gedit .bashrc

以下の３行を.basrcファイルの最後に追加し，保存する．
これでCUDAのパスが通るようになる．
#CUDA
export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

確認

$ source .bashrc
$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:24:38_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

4）cuDNNのインストール

https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/
からダウンロード：libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
$ sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb

参考URL

【Ubuntu18.04】NVIDIAドライバ・CUDA・cuDNNのインストール方法
https://atsuyakoike.hatenablog.com/entry/2019/08/08/214530


5）Anacondaのインストール

https://www.anaconda.com/distribution/
ダウンロード：Anaconda3-2019.10-Linux-x86_64.sh
$ bash Anaconda3-2019.10-Linux-x86_64.sh

・・・・・
installation finished.
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>>yes

確認

$ source .bashrc
$ conda -V
conda 4.7.12


6）TnesorFlow と Kerasのインストール

TensorFlowのインストール

GPU対応のTensorFlowをインストールする

$ conda install tensorflow-gpu

確認

（TensorFlowをimportして，デバイスにGPUの形式が表示されていることを確認する）
$ python
Python 3.7.4 (default, Aug 13 2019, 20:35:49) 
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow    
>>> from tensorflow.python.client import device_lib
>>> device_lib.list_local_devices()
2020-03-06 16:09:01.783756: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
(省略)
2020-03-06 16:09:01.870307: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] Found device 0 with properties: 
name: GeForce GTX 1060 6GB major: 6 minor: 1 memoryClockRate(GHz): 1.759
pciBusID: 0000:01:00.0
(省略）
2020-03-06 16:09:01.936563: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1304] Created TensorFlow device (/device:GPU:0 with 5412 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1)
2020-03-06 16:09:01.937931: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55efb35f1a50 executing computations on platform CUDA. Devices:
2020-03-06 16:09:01.937946: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): GeForce GTX 1060 6GB, Compute Capability 6.1
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
(省略）
incarnation: 12303617427411943325
physical_device_desc: "device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1"
, name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality {
}
incarnation: 2429606674858306080
physical_device_desc: "device: XLA_GPU device"
]

Kerasのインストール

$ conda install keras

参考URL

GPU付きのTensorflowをUbuntu18.04に入れる
https://qiita.com/python_walker/items/d599aeeea673bf89b7cb


7）cupyのインストール

$ pip search cupy
・・・
cupy-cuda102 (7.2.0)      - CuPy: NumPy-like API accelerated with CUDA
・・・

$ pip install cupy-cuda102

確認　

pythonを起動して
>>> import cupy as cp
>>> cp.__version__
'7.2.0'

参考URL

最新の cuda + cudnn + cupy を Ubuntu 18.04 へインストールする＠2019年春版
https://qiita.com/aizakku_nidaa/items/3c97dbcc30e1995488a5

8）chainerのインストール

$ pip install chainer

確認　

pythonを起動して
>>> import chainer
>>> chainer.__version__
'7.2.0'


9)OpenCVのインストール

$ pip install opencv-python

確認　

pythonを起動して
>>> import cv2
>>> cv2.__version__
'4.2.0'

10）Pydicomインストール

$ pip install  pydicom

確認　

pythonを起動して
>>> import pydicom
>>> pydicom.__version__
'1.4.2'

11）DCMTKのインストール

$ sudo apt install dcmtk

確認

$ dcmdjpeg --version
（以下の内容が表示されればOK）
$dcmtk: dcmdjpeg v3.6.2 2017-07-14 $

dcmdjpeg: Decode JPEG-compressed DICOM file

Host type: Debian
Character encoding: UTF-8

External libraries used:
- ZLIB, Version 1.2.11
- IJG, Version 6b  27-Mar-1998 (modified)


12）ImageJのインストール

参考URL

https://imagej.nih.gov/ij/
ダウンロード：ij152-linux64-java8.zip
Homeで展開、起動してアイコンをお気に入りに登録する

おまけ）Dropboxのインストール

$ cd ~ && wget -O - "https://www.dropbox.com/download?plat=lnx.x86_64" | tar xzf -

起動

$ ~/.dropbox-dist/dropboxd


以上です．
投稿者 時刻:
ラベル:

0 件のコメント:

コメントを投稿

登録: コメントの投稿 (Atom)