TensorFlow

• https://www.tensorflow.org/?hl=ja

Keras の backend として利用できます。 また TensorFlow 自体にも Keras が統合されています。

• default では画像フォーマットが他のフレームワークと異なり channels_last (NHWC) になっています。
  • channels_first (NCHW) の方が GPU 上では高速です。
  • CPU ではデフォルトでは channels_first (NCHW) が利用できません。channels_first に対応するには MKL を有効にしてビルドし直す必要があります。

C++ API ライブラリは直接バイナリ配布ではサポートされていません。 Source から build する必要があります。

C API ライブラリのバイナリは下記の場所からダウンロードできます。

• https://www.tensorflow.org/install/lang_c

1. Python3.6 を install します。
   • Python36, Python36/Scripts を path に追加しておきます。
2. CUDA v10.0 install (https://developer.nvidia.com/cuda-downloads)
3. cuDNN install (https://developer.nvidia.com/cudnn)
4. pip3 install tensorflow-gpu
5. pip3 install keras pillow

• cmake を使う方法と bazel を使う方法があります。公式サイトのビルド手順では bazel を使用しています。

• Windows による build memo
• r1.9 で確認。r1.10,r1.11,r1.12 ではビルド失敗。

• (1) 事前に python3.6, git, cmake を install しておきます。
  • Python36, Python36/Scripts, cmake/bin を path に追加します。

• (2) source を download し、cmake を実行します。

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
git checkout r1.9
cd tensorflow/contrib/cmake
mkdir build
cd build
cmake .. -Thost=x64 -G "Visual Studio 14 2015 Win64" -DCMAKE_BUILD_TYPE=Release -Dtensorflow_ENABLE_GPU=ON -Dtensorflow_WIN_CPU_SIMD_OPTIONS=/arch:AVX2 -Dtensorflow_BUILD_PYTHON_BINDINGS=OFF -Dtensorflow_ENABLE_GRPC_SUPPORT=ON -DCUDNN_HOME="C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0" -Dtensorflow_BUILD_SHARED_LIB=ON
start tensorflow.sln

• (3) VisualStudio が起動するので、Config Release, x64 を選択し ALL_BUILD を build します。
  • 4～6 時間かかります。
    • Ryzen 7 1800X 4時間前後
    • Core i7-6700K 6時間前後

• 参考にさせていただいたサイト
  • https://taktak.jp/2018/05/13/3028
  • http://tadaoyamaoka.hatenablog.com/entry/2018/02/26/235639

CUDA (GeForce) 及び ROCm (RADEON) が利用できます。

$ sudo apt install python3-pip python3-venv
$ pip3 install tensorflow-gpu

• ROCm
  • https://rocm.github.io/tensorflow.html

bazel を使います。 CPU または CUDA を使う場合は、公式サイト通りの手順でビルド可能です。 ROCm 対応版は専用のリポジトリから取得してください。

• C API 向けのビルドで 1時間くらいかかります。
• C++ API はヘッダの収集やライブラリのリンクが難しいので C API の方がおすすめです。

とりあえず確認したもの

• 公式版 r1.14 CUDA C API, CPU + MKL C API
• ROCm 版 r1.14-rocm C API