Panduan Menginstall Tensorflow dengan GPU di Windows

Pada kesempatan ini saya akan memberikan tutorial untuk mengkonfigurasi Deep Learning Library yaitu Tensorflow agar berjalan di GPU. Tensorflow merupakan opensource library untuk komputasi numerik yang menggunakan prinsip graph[1] . Node pada graph merepsentasikan operasi matematika dan edge pada graph mereprsentasikan multidimensional array (yang disebut tensor). Tensorflow juga menyediakan library untuk Machine Learning dan Deep Learning. Selain itu, Tensorflow memungkinkan kita untuk melakukan komputasi parallel dengan menggunakan CPU maupun GPU. Berdasarkan  referensi yang saya baca, penggunaan GPU dapat meningkatkan performa[2][3].

Berikut ini adalah langkah-langkah untuk mengkonfigurasi Tensorflow untuk bisa dijalankan menggunakan GPU (Sistem Operasi yang digunakan dalam percobaan ini adalah Windows 10 dan GPU yang dipakai adalah NVIDIA Geforce 940MX).

1. Install Visual C++

Visual C++ digunakan sebagai Windows Compiler untuk menjalankan parallel computing dengan CUDA (akan dibahas di poin 2). Pada kesempatan ini, saya mendownload Visual C++ yang sepaket dengan Visual Studio di MSDNAA.

2. Install CUDA and cuDNN

CUDA merupakan platform parallel processing yang disediakan oleh NVIDIA. Prerequisites untuk menginstall CUDA adalah Visual C++ yang sudah di jelaskan di poin 1. Pada percobaan ini dipakai CUDA versi 8.0. Sebelumnya saya mencoba menginstall CUDA versi 9.0 namun tidak compatible dengan Tensorflow 1.3. CUDA toolkit bisa didownload disini.

Untuk langkah instalasinya seperti instalasi software pada umumnya, tapi pastikan Visual C++ sudah terinstal sebelumnya. Panduan resmi tentang penginstallan CUDA bisa dilihat disini.

Setelah CUDA berhasil diinstall, kita perlu memastikan bahwa CUDA sudah ada di environment variable. Jika belum ada maka kita perlu menambahkannya.

1.png

Selain itu, NVIDIA juga menyediakan cuDNN (The NVIDIA CUDA Deep Neural Network Library) untuk membantu pengimplementasian Deep Learning. Pada percobaan ini saya menggunakan cuDNN versi 6.0 yang compatible dengan Tensorflow 1.3. cuDNN bisa didownload disini dan untuk bisa men-downloadnya kita perlu register sebagai NVIDIA Developer. Package cuDNN yang sudah di download berbentuk file zip dan kita hanya perlu mengekstraknya. Setelah di ekstrak, jangan lupa untuk menambahkan path berisi cudnn64_6.dll di dalam PATH di environment variable.

2.png

3. Download dan Install Anaconda untuk Python 3.5

Untuk bisa menjalankan Tensorflow, kita perlu menginstall Python versi 3.5. Untuk memudahkan, kita akan menginstall Python dengan framework Anaconda. Untuk mendownload Anaconda bisa melalui link ini.

4. Setting Path untuk Python dan Anaconda

Untuk bisa menjalankan Anaconda dan Python dengan command prompt kita perlu men-setting PATH pada environment variable dengan cara memasukkan path Anaconda dan Anaconda/Scripts pada PATH di environment variable.

15
Untuk mengecek apakah Python sudah terinstall dengan benar atau belum bisa dengan menggunakan command prompt dan ketikkan “Python”. Akan muncul tampilan seperti ini apabila settingan sudah berhasil.
3
5. Setting Tensorflow agar Berjalan di GPU

Untuk dapat menjalankan Tensorflow dengan GPU kita perlu membuat sebuah environment di Anaconda. Adapun syntax untuk membuat environment di Anaconda adalah sebagai berikut:

conda create -n [nama environment] python=[versi Python yang digunakan]

Pada percobaan ini saya membuat environment dengan nama tensorflow-gpu dan menggunakan Python versi 3.6.3.

4
Setelah itu kita perlu juga menginstall html5 library yang digunakan untuk Tensorflow dengan cara mengetikan syntax sebagai berikut:

6

Setelah pembuatan environment dan penginstallan html5lib selesai, kita perlu mengactivate environment yang dibuat dengan syntax: activate [nama environment]

Setelah itu kita menginstall tensorflow-gpu dengan menggunakan pip (nama library akan diinstall adalah tensorflow-gpu, agak rancu dengan nama environment yang sudah saya buat. Jadi memang disarankan untuk environment digunakan nama yang berbeda saja). Adapun syntaxnya nya adalah  

8

Proses download library tensorflow-gpu

9

Ketika sudah selesai akan muncul tampilan seperti ini

11

6. Menguji Settingan Tensorflow 

Sebelum bisa mengeksplor Tensorflow untuk percobaan lebih lanjut tentang Machine Learning ataupun Deep Learning, kita perlu menguji apakah Tensorflow sudah bisa berjalan di GPU. Pada percobaan ini akan dilakukan pengujian standar untuk mengeluarkan tulisan “Hello World”. 

Untuk mengujinya kita perlu masuk ke Python Shell di tensorflow-gpu environment dengan script berikut:

import tensorflow as tf

hello = tf.constant(‘Hello World’)

sess = tf.session() 

12

Dari gambar diatas kita bisa melihat bahwa session pada Tensorflow sudah berjalan di GPU. Selanjutnya untuk menampikan variable hello dengan print.

14.PNG
Dengan demikian dapat disimpulkan bahwa Tensorflow sudah bisa berjalan di GPU dan kita bisa mengeksplor lebih lanjut fungsi-fungsi Tensorflow yang lain untuk Machine Learning maupun Deep Learning.

References:

[1] https://www.tensorflow.org/

[2] https://medium.com/@erikhallstrm/hello-world-tensorflow-649b15aed18c

[3] https://www.analyticsvidhya.com/blog/2017/05/gpus-necessary-for-deep-learning/

Advertisements