What is Easiest Way to Use TensorFlow with GPU Support? Try On-Premise with Docker

  • Posted on: 11 November 2017
  • By: oon
Install TensorFlow GPU-enabled with Docker mechanism

Punya kartu grafis (Graphic Card) dengan kemampuan GPU di komputer sendiri (on-premise, atau di notebook misalnya) kemudian mau menggunakan TensorFlow dengan cepat?

Berikut dicontohkan langkah-langkah instalasi TensorFlow di Linux (varian Ubuntu atau Debian) dengan mekanisme menggunakan Docker:

  • Instalasi CUDA Toolkit (pada artikel ini versi yang digunakan 9.0, sejak September 2017) [2]
  • Instalasi cuDNN (pada artikel ini versi yang digunakan 7.0 untuk CUDA 9.0, sejak November 2017) [3]
  • Instalasi docker di Linux menggunakan docker-ce (community edition)
  • Instalasi nvidia-docker2 (update dari nvidia-docker, wrapper untuk docker dari Nvidia, meski berikutnya command masih dengan nama nvidia-docker) [4]
  • Test hasil instalasi dengan run nvidia-smi
  • TensorFlow sudah bisa digunakan dengan perintah nvidia-docker [5]
  • Lakukan test instalasi TensorFlow (misalnya dengan membuat aplikasi hello tensorflow) [5]

[1]http://oo.or.id/content/install-tensorflow-source-gpu-support
[2]https://developer.nvidia.com/cuda-downloads
[3]https://developer.nvidia.com/rdp/cudnn-download
[4]https://github.com/NVIDIA/nvidia-docker
[5]https://www.tensorflow.org/install/install_linux#InstallingDocker
[6]https://docs.docker.com/engine/installation/linux/docker-ce/ubuntu/

Add new comment

Filtered HTML

  • Web page addresses and e-mail addresses turn into links automatically.
  • Allowed HTML tags: <a> <em> <strong> <cite> <blockquote> <code> <ul> <ol> <li> <dl> <dt> <dd>
  • Lines and paragraphs break automatically.

Plain text

  • No HTML tags allowed.
  • Web page addresses and e-mail addresses turn into links automatically.
  • Lines and paragraphs break automatically.
By submitting this form, you accept the Mollom privacy policy.