Ceci est une ancienne révision du document !


Tensorflow

L'environnement Tensorflow a été installé cet été au Centre Blaise Pascal.

Deux environnements étaient disponibles mais seul l'environnement permettant d'exploiter les cartes GPU à base de circuit Nvidia a été installée. La version courante déployée est la 1.10.

Configuration d'exploitation

L'environnement Tensorflow disponible exige une version spécifique de CUDA, la 9.0 minimum.

Pour la charge dans le SIDUS standard du CBP:

module load cuda/9.0

Exemple

L'exemple suivant, fourni par le site officiel, permet de rapidement juger du fonctionnement de l'environnement. Il nécessite le lancement de l'interpréteur python :

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

A l'exécution de la première ligne, vous pouvez avoir un message d'erreur sans importance :

/usr/lib/python2.7/dist-packages/h5py/__init__.py:34: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
  from ._conv import register_converters as _register_converters

A l'exécution de la seconde ligne, l'environnement détecte la carte graphique susceptible d'être exploitée :

2018-08-21 11:24:28.475954: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:897] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2018-08-21 11:24:28.476656: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1405] Found device 0 with properties: 
name: GeForce GTX TITAN major: 3 minor: 5 memoryClockRate(GHz): 0.8755
pciBusID: 0000:06:00.0
totalMemory: 5.94GiB freeMemory: 5.83GiB
2018-08-21 11:24:28.476704: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1484] Adding visible gpu devices: 0
2018-08-21 11:24:34.039086: I tensorflow/core/common_runtime/gpu/gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-08-21 11:24:34.039883: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971]      0 
2018-08-21 11:24:34.039922: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] 0:   N 
2018-08-21 11:24:34.040245: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1097] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 5626 MB memory) -> physical GPU (device: 0, name: GeForce GTX TITAN, pci bus id: 0000:06:00.0, compute capability: 3.5)

Dans l'exemple ci-dessus, il s'agit d'une carte GeForce GTX TITAN avec 5.94GiB de RAM.

La dernière ligne permet s'assurer que la session fonctionne de manière nominal en affichant :

Hello, TensorFlow!

Une grande variété de tutoriels en ligne permettent de vérifier le bon fonctionnement.

L'application TensorFlow sur GPU requiert une version de GPU avec des capacités minimales pour fonctionner (compute capability de 3.5) : sur les 50 GPU accessibles au CBP, certains ne supportent pas cette capacité

GPU du CBP validés pour TensorFlow

  • circuits Kepler : GTX Titan, GTX 780, GTX 780Ti, Tesla K40, Tesla K80
  • circuits Maxwell : GTX 980Ti
  • circuits Pascal : GTX 1060, GTX 1070, GTX 1080, GTX 1080Ti, Tesla P100

GPU du CBP invalidés pour TensorFlow

  • circuits GT200 : Quadro FX4000, Tesla C1060
  • circuits Fermi : GTX 560Ti, Quadro 4000
  • circuits Kepler : GTX 680, GTX 690,
  • circuits Maxwell : GTX 960, GTX 970, GTX980
  • circuits Pascal :
ressources/ressources/tensorflow.1534845398.txt.gz · Dernière modification: 2018/08/21 11:56 par equemene