텐서플로 1.5.0 RC0 버전이 릴리즈되었습니다. 정말 버전이 빠르게 올라가네요. 🙂 1.5.0 버전에서는 Eager Execution과 TensorFlow Lite 두 개의 굵직한 기능이 추가되었습니다(아직 프리뷰라고 합니다). 또 1.4.0 버전에서 예고한 대로 1.5.0 부터는 CUDA 9와 cuDNN 7을 사용하여 바이너리가 제공됩니다. 직접 컴파일하기 귀찮다면 CUDA, cuDNN을 업데이트해 주어야 합니다. 그리고 1.6.0 버전부터는 CPU의 AVX 명령을 지원하도록 바이너리가 제공될 예정입니다. CPU만 있는 경우에 조금 도움이 될 것 같습니다.
설치는 이전과 동일하게 pip로 설치 가능합니다.
$ pip install --upgrade --pre tensorflow $ pip install --upgrade --pre tensorflow-gpu
(업데이트) 1.5.0 RC1 버전이 릴리즈 되었습니다.
텐서 플로우 블로그 (Tensor ≈ Blog) 
안녕하세요. tensorflow 1.0.1 버전에 CUDA 8.0 cudnn 5.1 버전을 사용하다가 바로 이번에 업그레이드가 많이 떴길래 모두다 업그레이드 시켰습니다. 그런데 빌드는 문제는 없었지만 트레이닝속도가 너무 느려졌습니다..현저하게.. 예를들어 이전에 1.0.1을 사용할 때는 CPU점유율은 15프로 미만이었습니다. 하지만 이 버전에서는 CPU점유율이 98프로까지 올라가는걸 확인하고 GPU가속을 받지 않는다고 결론내렸습니다. 이 문제 해결좀 해주실수 있으신가요.. 방법이 없다면 다운그레이드가 답인가요..?
좋아요좋아요
안녕하세요. 소스 빌드를 한적은 없어서 빌드 과정 중에 어떤 차이가 있었을지는 모르겠네요. 빌드 과정은 고려하지 않고 생각해 보면 GPU를 찾지 못하는 경우일 수 있습니다. nvidia-smi 명령으로 드라이버가 제대로 작동중인지 확인해 보시겠어요? 그리고 파이썬 세션을 열고 sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) 를 실행하시면 간단한 연산을 실행할 때 CPU에 매핑되는지 GPU에 매핑되는지 확인할 수 있습니다. 여기서 뭔가 힌트를 얻으셨으면 좋겠네요.
좋아요좋아요
아 깜박했네요! GPU에서는 확실하게 매핑은됩니다! GPU를 찾았다는 메세지같은것들은 원래 떴는데 속도가 너무 느려졌습니다.ㅠㅠ 사실 저번에 tensorflow 1.4.1-gpu을 깔아서 이런 현상이 똑같이 일어나서 tensorflow 1.0.1-gpu 버전을 다시 다운받았습니다. ㅠㅠ 희한하게 1.0.1에서는 GPU 점유율이 정말 높게 나왔는데 1.5.1, 1.4.1 이 두버전에서만 이렇게 느려지네요 ㅠㅠ
좋아요좋아요
아 그렇다면 데이터를 로드하거나 주입하는 데에서 병목이 발생하는 것 같습니다. gpu는 처리할 데이터가 적으니 쉬엄 쉬엄하는 거 아닐까 의심이 되네요.
좋아요좋아요
CUDA 버전업과 더불어 또 한가지 중요한 변화는 릴리즈 노트에도 쓰여있지만 배포되는 바이너리의 glibc 최소버전이 올라가서 (2.23), Ubuntu 14.04 나 RedHat 처럼 낮은 glibc 버전을 쓰는 리눅스 시스템에서는 별도 빌드를 하지 않고 1.5.0 이상 버전을 사용할 수 없다는 문제가 있습니다 🙂
좋아요Liked by 1명
앗 그러네요. 좋은 정보 감사드립니다! 🙂
좋아요좋아요