Soporte de GPU

El soporte de GPU de TensorFlow requiere un surtido de drivers y librerías. Para simplificar la instalación y evitar conflictos con las librerías, recomendamos utilizar una imagen Docker de TensorFlow con soporte para GPU (sólo para Linux). Esta configuración sólo requiere los controladores NVIDIA® GPU.

Estas instrucciones de instalación son para la última versión de TensorFlow. Consulte las configuraciones de construcción probadas para las versiones CUDA® y cuDNN para utilizar con versiones anteriores de TensorFlow.

Paquete pip

Consulte la guía de instalación pip para conocer los paquetes disponibles, los requisitos del sistema y las instrucciones. El paquete TensorFlow pipincluye soporte de GPU para tarjetas habilitadas paraCUDA®:

pip install tensorflow

Esta guía cubre el soporte de GPU y los pasos de instalación para la última versión estable deTensorFlow.

Versiones anteriores de TensorFlow

Para las versiones 1.15 y anteriores, los paquetes de CPU y GPU están separados:

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

Requisitos de hardware

Son compatibles los siguientes dispositivos con GPU:

• Tarjeta GPU NVIDIA® con arquitecturas CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 y superiores a 8.0. Consulte la lista de tarjetas GPU habilitadas para CUDA®.
• Para GPUs con arquitecturas CUDA® no soportadas, o para evitar la compilación JIT desde PTX, o para utilizar diferentes versiones de las librerías NVIDIA®, consulte la guía de compilación de Linux desde el código fuente.
• Los paquetes no contienen código PTX excepto para la última arquitectura CUDA® soportada; por lo tanto, TensorFlow no se carga en GPUs más antiguas cuando se estableceCUDA_FORCE_PTX_JIT=1. (VeaApplicationCompatibility para más detalles.)

Requisitos de software

El siguiente software de NVIDIA® debe estar instalado en su sistema:

• Controladores de GPU de NVIDIA® -CUDA®11.0 requiere 450.x o superior.
• CUDA® Toolkit -TensorFlow soporta CUDA® 11 (TensorFlow >= 2.4.0)
• CUPTI se suministra con el CUDA®Toolkit.
• cuDNN SDK 8.0.4 versiones de cuDNN).
• (Opcional)TensorRT 6.0 para mejorar la latencia y el rendimiento de la inferencia en algunos modelos.

Instalación en Linux

Las aptinstrucciones siguientes son la forma más sencilla de instalar el software de NVIDIA necesario en Ubuntu. Sin embargo, si se construye TensorFlow desde el código fuente, instale manualmente los requisitos de software enumerados anteriormente, y considere el uso de una imagen Docker de TensorFlow como base.

Instale CUPTI que viene con el kit de herramientas CUDA®. Añada su directorio de instalación a la variable de entorno $LD_LIBRARY_PATH:

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

Instale CUDA con apt

Esta sección muestra cómo instalar CUDA® 11 (TensorFlow >= 2.4.0) en Ubuntu16.04 y 18.04. Estas instrucciones pueden servir para otras distribuciones basadas en Debian.

Ubuntu 18.04 (CUDA 11.0)

# Add NVIDIA package repositories# Install NVIDIA driver# Reboot. Check that GPUs are visible using the command: nvidia-smi# Install development and runtime libraries (~4GB)# Install TensorRT. Requires that libcudnn8 is installed above.

Ubuntu 16.04 (CUDA 11.0)

# Add NVIDIA package repositories# Add HTTPS support for apt-key# Install NVIDIA driver# Issue with driver install requires creating /usr/lib/nvidia# Reboot. Check that GPUs are visible using the command: nvidia-smi# Install development and runtime libraries (~4GB)# Install TensorRT. Requires that libcudnn7 is installed above.

Instalación en Windows

Consulte los requisitos de hardware y software indicados anteriormente. Lea la guía de instalación deCUDA® para Windows.

Asegúrese de que los paquetes de software NVIDIA instalados coinciden con las versiones indicadas anteriormente. En particular, TensorFlow no se cargará sin el archivo cuDNN64_8.dll. Para utilizar una versión diferente, consulte la guía de construcción de Windows desde el código fuente.

Añada los directorios de instalación de CUDA®, CUPTI y cuDNN a la variable de entorno %PATH%. Por ejemplo, si el kit de herramientas CUDA® está instalado enC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 y cuDNN enC:\tools\cuda, actualice su %PATH% para que coincida:

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%