TensorFlow GPU ile Derin Öğrenme Ortamı Oluşturma
Merhaba! Bu yazıda sizlerle birlikte makinemize nasıl bir derin öğrenme ortamı yaratacağımızı konuşacağız. Yazıya başlamadan önce kullandığım işletim sistemi ve grafik işlemcisi hakkında bilgi vereceğim. Haydi başlayalım!
Çalıştığım makine, işletim sistemi olarak Windows 10 Pro kullanıyor. Ekran kartınızın özelliklerini öğrenmek istiyorsanız arama yerine dxdiag yazarak grafik kartınızın özelliklerini öğrenebilirsiniz.
⚙️OS: Windows 10 Pro
⚙️CUDA Toolkit: 10
⚙️cuDNN: 7.4
⚙️TensorFlow GPU: 1.14.0
⚙️Keras: 2.2.5
Adım 1: Grafik Kartı Bilgilerini Öğrenme
Dilerseniz bu aşamayı aşağıdaki kodu terminale yazarak da kısa sürede öğrenebilirsiniz.
Daha sonra NVIDIA’nın web sitesine girerek gerekli yüklemeleri yapmamız gerekmektedir. Çıktı olarak ise bir sonraki görseldeki gibi grafik kartlarınızın ismini göreceksiniz.
Adım 2: Grafik İşlemcisinin Kontrolü
https://developer.nvidia.com/cuda-gpus#collapse4 adresinden makinenize uygun işlemcinizi belirleyin. Örneğin aşağıdaki görselde aktif çalıştığım makinenin işlemcisini kontrol ederek işlem kapasitesini de öğrenmiş olduk.
Adım 3: CUDA Toolkit ve cuDNN Aracı Yükleme
Şimdi bu adımda çok dikkatli hareket etmemiz gerekmektedir. Kullanacağımız TensorFlow versiyonuna göre uyuşan CUDA ve cuDNN aracını yüklememiz gerekecektir. Eğer farklı sürümler indirirseniz birçok hata ile karşılacağınızı şimdiden uyarmak istiyorum.
TensorFlow 2.x versiyonlarında birçok uyuşmazlık yaşadığım için başlangıçta tensorflow-gpu==1.15.0 yüklemiştim. Ancak daha sonra Mask RCNN çalıştırırken yine birçok versiyon çakışması yaşadım. Bu yazıda da hataları gidermiş bir şekilde karşınızdayım. Bu adımları harfiyen uygularsanız kodunuz hatasız çalışacaktır.
💎tensorflow-gpu==1.14.0 için gerekli derlemeler cuDNN için 7.4 ve CUDA Toolkit için ise versiyon 10'u göstermektedir.
cuDNN versiyonlarına erişmek için ise bağlantıya gidiniz.
👉Bağlantıya tıklayarak versiyonların seçilmiş halini indirebilirsiniz.
Bu araçları yükledikten sonra path değişkenine eklememiz gerekmektedir.
Path değişkeni olarak eklenmediyse bu ayarları kontrol etmeniz gerekmektedir. Sistem ortam değişkenlerinin kontrolü çok önemlidir 🧷
Adım 4: Sanal Ortam (Virtualenv) Oluşturma
Ek olarak Anaconda Prompt kullandığım için sanal ortamları conda ile oluşturdum. Ve daha sonra activate komutu ile o sanal ortamın içerisine girdik.
Adım 5: Tensorflow-gpu Kurulumu
Ardından tensorflow-gpu kurulumuna geçiyoruz. Bu aşamada pip ile değil de conda ile kurulum yapmaya özen gösterelim. Bunun sebebi ise kurulum yapılırken sizden onay alınmasıdır. Bu onayı verirken yüklenen CUDA ve cuDNN versiyonlarını da göreceğiz.
Adım 5: cuDNN ve CUDA Dosya Değişimleri ⛓
İndirdiğimiz cuDNN arşivini açtığımızda aşağıdaki klasörleri göreceğiz.
Bu klasörleri CUDA’nın yüklendiği klasörlerin içerisine kopyalıyoruz. Örneğin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 yolundaki klasöre kopyalama işlemi gerçekleştirdim.
Tüm bu aşamalardan sonra TensorFlow GPU’ nun kurulmuş olması gerekmektedir. Dilerseniz terminalde aşağıdaki komutlar ile kontrolünü sağlayabilirsiniz. Bunun için öncelikle terminale python yazmayı unutmayalım!
🔮Tüm bu aşamalardan sonra derin öğrenme ortamınız sorunsuz bir şekilde çalışacaktır! Sağlıklı ve güzel günler diliyorum.
