NVIDIA CUDAインストール

02. NVIDIA CUDAインストール

DeepLearningを高速で処理するためにGPUを使用した並列処理を行う必要がありますが、単にGPUがあって tensorflow-gpuがインストールされただけの場合エラーが発生するだけとなります。
また以降のインストールと並列化を行うまでは非常に大変であるということは先に述べておきたい点です。

★　並列化するためのパソコン選定とバージョン

前述のようにGPUをtensorflow-gpu（2.**以降はtensorflow）を使用して並列処理を行わせるための必須条件は次の通りです。

    ①　６４ビットパソコンである
    ②　GPUがNVIDIA製
    ③　CPUがIntel系

GGEも最初ディスクトップを購入した際かなり勉強し初回「DELL G5」、二代目購入時に「NVIDIA GeForce」だからと「DELL G15」にしたのですが、CPUが「AMD Ryzen」であったため未だGPUでは動作していません。（何でもAMD用にNVIDIAが新たに作っているとか）

なぜ、条件が厳しいかと言うと、実際の処理はNVIDIA製GPUがNVIDIAが提供している汎用並列コンピューティングプラットフォームCUDAを経由してtensorflowやKerasが動くからです。

また前章「01. tensorflowインストール」で述べたように、python、tensorflow-gpu、CUDA、cuDNNは用途に応じて一意的にバージョンが次のように固定されます。
    windows11
    tensorflow-gpu 1.14.0
    python             3.7
    keras               2.3.0
    CUDA              10.1.243
    cuDNN             10.1        => CUDAバージョンに連動
    NVIDIAドライバ 531.79

尚、OpenAI Gym編でCUDAのバージョンは上記「10.0」を使用していましたが、他のモジュールをインストールしていくとワーニングを発生するモジュールが出たため、本サイトでは「10.1」で統一して使用することとしました。

しかし新たに2023以降新しくOpenAI Gymをインストールされる方は、仕様通り「python 3.7」以上でないと動作しません。そしてそれに伴いCUDAのバージョンも同じように「10,0」以外はエラーとなりましたので、以降「10.1」を「10.0」に読み替えて実施して下さい。

これから実施するインストール手順は下記ハードウエアに対するインストールであるため異なる場合は読み替えて下さい。

また本サイトのようにOpenAIGym編当時使用したOSはwindows10で、以降にwindows11に変更している方も実施した方が良いと思われます。

    OS                windows11
    CPU              i7-9700K CPU 3.6GHz
    GPU              NVIDIA GeForce GTX 1650 4GB GDDR5

★　Visual Studio 2015のインストール

CPUがAMDの場合に、数か月かけて何度も失敗した理由が最初に行うVisaulStudioを使用するための解釈とインストール方法にありました。

今回 CUDAインストールでここが一番重要な点です。

    ・　CUDAはVisualStudioを使用しています
    ・　CUDAはVisualStudio C++コンパイルによりコンパイルされます。

このためインストール時、途中でVisualStudio環境があるかを自動で調査し無ければ用意できるまで待ちの状態になります。

経験的見地で不確定要素がありますが、CUDA動作時に使用しているVisualStudioのライブラリとCUDAがインストールする際にC++コンパイラを使用しているということで、しかもVisualStudioはバージョンによってライブラリが異なるため、開発時のものを使用しなければいけないことが清須電脳倶楽部スタート時「VC++編」で確認されています。

このため今回CUDA 10.1をインストール為のVisual Studio の条件は、

    ・　古いCUDAが使用している環境はVisual Studio 2010、2012、2013を使用
    ・　CUDA 10.1以前のバージョンではVisual Studio2015 C++コンパイラを使用

このためAMD用PCへのインストール時半年以上かけてトライし2023/5完了しましたが、ポイントはここにありました。

GGEの場合開発PCの場合、「設定」→「アプリ」→「インストールされているアプリ」で「VisualStudio ***」および「Microsof Visual C++ ***」を探すと複数存在します。AMDでGGEの場合「VisualStudio2017」「VisualStudio2019」がインストールされていた等が原因でインストール出来ていませんでした。

また再度念を押しますが、今回本当に必要なのは
     「Visual Studio2015」なのではなく、Visual Studio2015 C++コンパイラ」
であるということです。

インストール時は「VisualStudio2015 C++」のビルドツールのみとし、VisualStudioを一旦削除することをお勧めします。

・　Visual Studio2015のインストール

今回は正確に言うと「VisualStudio2015 C++コンパイラ」をインストールします。

【2023/05現在　失敗編】

これから一般的にネットで出回っているアーカイブから「VisualStudio2015 C++コンパイラ」のみをインストールする方法を示しますが、これは必ず失敗しますので、次へ移動してください。

あくまでも参考として掲載します。

①　古いVisualStudio2015サイトへ移動
https://visualstudio.microsoft.com/ja/vs/older-downloads/

②　「その他のTools、Frameworks、そして　Redistributables」をクリック

③　visualcppbuildtools_full.exeのインストール
exeを実行します。
ところが、2023/05/19現在、「一部欠落によりエラー」と表示されエラーとなります。

この選択方法でのインストールはできませんでした。

【インストール成功編】

①　古いVisualStudio2015サイトへ移動
https://visualstudio.microsoft.com/ja/vs/older-downloads/

②　「２０１５」クリックします。

③　「Visual Build Tools for VisaulStudio2015 with Update 3」を選択
ｘ６４ Multiple Lang EXE 選択しダウンロードをクリックします。

④　ダウンロードファイルの実行
[mu_microsoft_build_tools_2015_update_3_x86_x64_8923170.exe]を実行します。

これだと正常にインストールが完了します。

つまり、今回単独したのは「C++ build tool」というものをインストールできていればOKという訳です。

・　VisualStudio2017をインストール

VisualStudio2015そのものをお持ちの方や、もしCUDAがVisualStudio 2017/2019/2022などの比較的新しいVisualStudio対応に代わった場合、直接正規のVisualStudioをインストールしておこないます。
但し、先に述べたようにVisaulStudioで「使用ライブラリ」とインストール時に必要な「C++コンパイル」があるため、インストール途中ワークロードベースを使ってオプション設定が必要になります。また、既にインストールされている方はインストーラをクリックして、ワークロードベース画面を表示させます。

下記のワークロードベース画面が登場したら、「VS 20** C++ x64/x86 build tool」にチェックを入れ、右下の「インストール」をクリックしインストールを開始させ完了したら終わりです。

このように「VisualStudioをインストールする」というのは、デベロッパ用のフレームワークと特定言語のみがインストールされるのみとなりますが、クドイ様ですが今回必要なのは「C++コンパイラ」なのでワークロードベースでオプション指定しインストールされていないと効果がありません。

今回長々とVisualStudioのインストールについて書いてきましたが、ネット掲載の多くは非常に不明確な表現であると思われます。正確に言うと

今回CUDAインストールに必要なのは、VisualStudioなのではなくて、
「VS 2015 C++ build tool」

であるといことです、つまりインストール時にC++コンパイルをする必要があるということｄす。

★ NVIDIA Graphics Driverインストール

次に NVIDIAドライバ（グラフィックドライバ込み）をインストールしていきます。

先にも述べたように本サイトのように一度OpenAI Gymでインストールしている方であっても、以降windows11に変更している方は再インストールした方が無難です。

【要注意事項】
本来GPUはグラフィック用ですのでゲームなどに使用している方は、以降は効率的なGPUの利用の妨げになる可能性があるので、やらない方が無難です。
インターネット等で動画を見る程度では妨げにはならないと思いますので自己責任でお願いします。

GGEの経験ではインストール後AMDで使用したところtensorflowが破壊された模様です。Inter系CPU以外はやらない方が無難です。

CUDAないしはcyDNNダウンロード時に下記rログイン画面が登場します。
LOG INするにはNVIDIA用アカウントが必要になるので、事前に作成しておきましょう。

・　インストール手順

①　NVIDIAドライバ　ダウンロードサイトへ移動
        https://www.nvidia.co.jp/Download/index.aspx?lang=jp

②　お持ちのGPU設定に変更し、「探す」をクリックします。
        GeForce
        GeForce GTX 16 Series
        GeForce GTX 1650
        windows11
        Studio ドライバ(Game Ready ドライバーはインスール後変更可能)
        Japanese

③　「探す」クリック後、移行したページから「ダウンロード」をクリック。
「ダウンロードの同意」をクリックするとダウンロードが開始されます。

④　「531.79-notebook-win10-win11-64bit-international-dch-whql」の実行
exeを実行すると一度解凍しますので「OK」をクリックします。

⑤　利用条件などを確認し同意します。

⑥　インストールオプションでは「カスタム」を選択します。

⑦　全てにチェックが入っていることを確認して、クリーンインストールしたい時はチェックする．「次へ」をクリックすると、インストールが始まります。
再インストール時以外はクリーンインストールは不要かと思います。

⑧　終了すると再起動を要求し、再起動すると終了です。

★　CUDA Toolkit のインストール

今回はCUDA10.1という古いドライバーをインストールするため、「Acceleraed Computing Toolkit」という公式ページ（https://developer.nvidia.com/accelerated-computing-toolkit）ではできません。

①　CUDA Toolkit 10.1 Update 2 Archiveへ直接移動します
    https://developer.nvidia.com/cuda-10.1-download-archive-update2

②　順に選択していきます
   Windows
        ↓
    x86_64
        ↓
    10
        ↓
    exe

③　「exe」をクリック
クリックするとインストール画面が登場するので「Base Install」を実施します。
下記は「Base Install」のみですが、パッチが追加された場合はベースインストール後すべて実施します。

④　ダウンロードファイルは「exe」を実行します。
インストールが開始されるとフォルダーの有無を聞いてきますので「OK」をクリックします。

⑤　次に使用承諾の画面がでますので先へと進みます

⑥　インストールオプション画面がでるので、「高速」を選択します。

⑦　CUDA Visual Studio Integrationがでるので、先に行いましたインストールが完了していれば、チェックを入れると「NEXT」がクリックできるようになります。

なお、VisualStudio2015のbuild tools 2015が正常にインストールできていなかったり、他のVisualStudioが競合するとリトライ状態となり先へは進めずインストールはできません。

⑧　正しくインストールされていればインストール後下記サマリーが登場します。

⑨　終了します

★　CUDA確認と動作確認

知識がなかった頃ネット情報を元にインストールを行いましたが、中には複数のバージョンを混在させている例を見かけ、当初清須電脳倶楽部においてもマルチセットアップ状態にしていました。しかし、この設定には矛盾があることに気が付きましたので、解説するとともにCUDAの確認を行っていきます。

CUDAはpythonの外部モジュールではなく通常のウィンドウズアプリとしてインストールされますので、次の手順でシステム環境変数を確認します。
「システム環境変数の編集」→「環境変数」→「システム環境変数」

環境変数に「CUDA_PATH」「CUDA_PATH_V10_1」が追加されていることを確認します。

そして「システム環境変数」→「PATH」の中に下記が追加されることを確認してください。

さて！　そうすると、先に言う矛盾に気が付きます。

というのもシステム変数「CUDA_PATH_V10_1」はバージョンの記載がありますが「CUDA_PATH」や後にインストールする「CUDNN_PATH」はバージョンの指定がない為、複数インストールした場合は一番最後にインストールしたフォルダー名が「CUDA_PATH」と「CUDNN_PATH」に設定されるといことになります。

だから、複数設定しても余り意味がないのと同時に、違うバージョンを使用しているケースもあるといことです。使用する場合は該当のバージョン用にパスを変更する必要もあるということになります。

では、今までのインストールが完了しているか動作実験してみましょう。

コマンドプロンプト画面を開いて次のようにコマンド入力し下記のように応答が帰ってこればOKです。
パスが通っていなかったりインストールが失敗していると、コマンドエラーになります。

(py36) d:\VisualStudio2017\Python3.5_GPU\DeZero\DeZero_DQN>where nvcc
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\nvcc.exe

★　ｃuDNNのインストール

NVIDIA CUDA Deep Neural Network 通称「cuDNN」 は、ディープニューラルネットワークでの使用を目的とした、GPU アクセラレーション型のプリミティブのライブラリで、CUDAと同じバージョンで次の手順でインストールします。

①　メインページへ移動します。
NVIDIA Developer Program Membership Required
https://developer.nvidia.com/rdp/cudnn-download

②　I Agree To the Terms of the cuDNN Software License Agreementにチェック

③　ダウンロード画面が登場します。
但し、cuDNNは必ずCUDAのバージョンと同じバージョンを使用します。ダウンロードには最新版しか掲載されていないので、「１０．１」は「Archived cuDNN Releases」をクリックして一覧を出します。

④　一覧から探す
CUDAと同じバージョンのcuDNNを探し、Download cuDNN v8.0.5 (November 9th, 2020), for CUDA 10.1を選択しクリックします。

⑤　windowsを探す
クリック後下記のように一覧が出ます。Linux,Ubuntuグループ内にwindows10があるので選択します。

    Library for Linux, Ubuntu(x86_64 & PPC architecture)
        ↓
    cuDNN Library for Windows10 (x86)をクリック

⑥　cudnn-10.1-windows10-x64-v8.0.5.39.zipを解凍

⑦　cuDNN のインストール
ダウンロードした「cudnn-10.1-windows10-x64-v8.0.5.39」を解凍したフォルダの中にある『cuda』フォルダを開きます。先ほどインストールした CUDA のディレクトリに中身のフォルダ毎上書きコピーします。CUDA Toolkit のインストールディレクトリは変更してなければ以下です。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

つまり、CUDA 10.1 と決定されると必然的にcuDNNはCUDA10,1用を選択しなければならず、その理由はダウンロードされた内容はCUDA10,1用であるため、CUDA内の一部を上書きして変えてしまうというインストール方法だということです。このため間違ったり別のバージョンを入れたら削除後最初からやり直します。

★　cuDNNの動作確認

CUDA同様にシステム環境変数画面を開きます。
そうすると、システム環境変数が下記のように３つになっていない場合は、追加します。

    CUDA_PATH
    CUDA_PATH_V10_1
    CUDNN_PATH

基本的にcuDNNインストール方法は上書きコピーですので、パス名「CUDNN_PATH」は作成されても変更対象にはなりません。

このため、例えば「10.0」で作成し「10.1」を再度作成された場合は、環境変数「CUDA_PATH」内容が書き換わり「CUDA_PATH_V10_1」が新規作成されますが、「CUDNN_PATH」の内容は先の「10.0」のままですので、以降は手動で修正するしかありません。

では、インストールできたか動作確認してみましょう。

コマンドプロンプト画面で次のようになることを確認します。

(py36) d:\VisualStudio2017\Python3.5_GPU\DeZero\DeZero_DQN>where cudnn64_8.dll
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\cudnn64_8.dll

ちなみに、cuDNNのDLL名称「cudnn64_8.dll」の「８」はバージョンを示しますので今後変更される可能性があります。

★　tensorflowの変更

次にtensorflowのバージョンと名称を確認します。

次にCUDAが使用可能な状態になったためtensorflowをGPU仕様に変更します。
tensorflow 2.** の場合は変更の必要はなく、tensorflow 1.** の場合のみ、現状のtensorflowを一旦アンインストールし再度下記のようにインストールします。

(py36) d:\VisualStudio2017\Python3.5_GPU\DeZero\DeZero_DQN\ch08>pip install tensorflow-gpu==1.14.0
Requirement already satisfied: tensorflow-gpu==1.14.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (1.14.0)
Requirement already satisfied: termcolor>=1.1.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.1.0)
Requirement already satisfied: protobuf>=3.6.1 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (3.13.0)
Requirement already satisfied: numpy<2.0,>=1.14.5 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.19.5)
Requirement already satisfied: astor>=0.6.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (0.8.1)
Requirement already satisfied: keras-applications>=1.0.6 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.0.8)
Requirement already satisfied: wheel>=0.26 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (0.34.2)
Requirement already satisfied: tensorflow-estimator<1.15.0rc0,>=1.14.0rc0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.14.0)
Requirement already satisfied: six>=1.10.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.15.0)
Requirement already satisfied: grpcio>=1.8.6 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.31.0)
Requirement already satisfied: gast>=0.2.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (0.2.2)
Requirement already satisfied: wrapt>=1.11.1 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.11.2)
Requirement already satisfied: keras-preprocessing>=1.0.5 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.1.2)
Requirement already satisfied: google-pasta>=0.1.6 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (0.2.0)
Requirement already satisfied: tensorboard<1.15.0,>=1.14.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (1.14.0)
Requirement already satisfied: absl-py>=0.7.0 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorflow-gpu==1.14.0) (0.11.0)
Requirement already satisfied: h5py in c:\programdata\anaconda3\envs\py36\lib\site-packages (from keras-applications>=1.0.6->tensorflow-gpu==1.14.0) (2.8.0)
Requirement already satisfied: setuptools in c:\programdata\anaconda3\envs\py36\lib\site-packages (from protobuf>=3.6.1->tensorflow-gpu==1.14.0) (49.2.0.post20200714)
Requirement already satisfied: markdown>=2.6.8 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (3.3.3)
Requirement already satisfied: werkzeug>=0.11.15 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (1.0.1)
Requirement already satisfied: importlib-metadata in c:\programdata\anaconda3\envs\py36\lib\site-packages (from markdown>=2.6.8->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (4.8.3)
Requirement already satisfied: zipp>=0.5 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from importlib-metadata->markdown>=2.6.8->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (3.1.0)
Requirement already satisfied: typing-extensions>=3.6.4 in c:\programdata\anaconda3\envs\py36\lib\site-packages (from importlib-metadata->markdown>=2.6.8->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (3.7.4.3)

次にコマンドプロンプトにて「pip list」入力した結果をみます。

pip list

良くある例として「pip list」でみた時、下記のように「tensorflow」と「tensorflow-gpu」が一緒に入っている場合は、一旦両方アンインストールした後GPU用tenrfow-gpuをインストールした方が無難です。

tensorflow 1.14.0
tensorflow-estimator 1.14.0
tensorflow-gpu 1.14.0

★　プログラムによる確認

もし既に実証済のプログラムがあったら動かしてみましょう。


(py36) d:\VisualStudio2017\Python3.5_GPU\DeZero\DeZero_DQN\ch08>python case07_network_test11A.py
Using TensorFlow backend.
num_actions : 6
2023-05-19 11:23:56.567464: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2023-05-19 11:23:56.570039: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library nvcuda.dll
2023-05-19 11:23:56.581023: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] Found device 0 with properties:
name: NVIDIA GeForce GTX 1650 major: 7 minor: 5 memoryClockRate(GHz): 1.665
pciBusID: 0000:01:00.0
2023-05-19 11:23:56.581251: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2023-05-19 11:23:56.581388: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1763] Adding visible gpu devices: 0
2023-05-19 11:23:57.079498: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1181] Device interconnect StreamExecutor with strength 1 edge matrix:
2023-05-19 11:23:57.079640: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1187] 0
2023-05-19 11:23:57.079741: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1200] 0: N
2023-05-19 11:23:57.079947: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1326] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 732 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5)
Model: "sequential_1"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_1 (Conv2D) (None, 20, 20, 32) 8224
_________________________________________________________________
conv2d_2 (Conv2D) (None, 10, 10, 64) 32832
_________________________________________________________________
conv2d_3 (Conv2D) (None, 10, 10, 64) 36928
_________________________________________________________________
flatten_1 (Flatten) (None, 6400) 0
_________________________________________________________________
dense_1 (Dense) (None, 512) 3277312
_________________________________________________________________
dense_2 (Dense) (None, 6) 3078
=================================================================
Total params: 3,358,374
Trainable params: 3,358,374
Non-trainable params: 0
_________________________________________________________________
>> [load weight parameter]
WARNING:tensorflow:From C:\ProgramData\Anaconda3\envs\py36\lib\site-packages\keras\callbacks\tensorboard_v1.py:200: The name tf.summary.merge_all is deprecated. Please use tf.compat.v1.summary.merge_all instead.

WARNING:tensorflow:From C:\ProgramData\Anaconda3\envs\py36\lib\site-packages\keras\callbacks\tensorboard_v1.py:203: The name tf.summary.FileWriter is deprecated. Please use tf.compat.v1.summary.FileWriter instead.

WARNING:tensorflow:From C:\ProgramData\Anaconda3\envs\py36\lib\site-packages\keras\backend\tensorflow_backend.py:422: The name tf.global_variables is deprecated. Please use tf.compat.v1.global_variables instead.

全てが旨くインストールできている場合は上記のようになり、CUDAのバージョン違いが発生している場合はワーニングやエラーが発生し処理が非常に遅くなりますので、システムモニター等によりGPU動作を確認してください。

★　AMD不具合について

DELL G5以下の仕様においての不具合報告。

CPU ：　AMD Ryzen™ 7 5800H
GPU ：　NVIDIA® GeForce RTX™ 3060 6GB

NVIDIA Tool Kits　及びCUDA/cuDNNは正常にインストールされ、tennsorflow-gpuもインストールされました。

(py36gpu) d:\VisualStudio2017\Python3.5_GPU\DeZero\DeZero_DQN\ch08>pip install tensorflow-gpu==1.14.0
Collecting tensorflow-gpu==1.14.0
  Using cached tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl (287.7 MB)
Requirement already satisfied: keras-preprocessing>=1.0.5 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.1.2)
Requirement already satisfied: keras-applications>=1.0.6 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.0.8)
Requirement already satisfied: tensorflow-estimator<1.15.0rc0,>=1.14.0rc0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.14.0)
Requirement already satisfied: six>=1.10.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.16.0)
Requirement already satisfied: astor>=0.6.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (0.8.1)
Requirement already satisfied: gast>=0.2.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (0.5.3)
Requirement already satisfied: protobuf>=3.6.1 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (3.20.1)
Requirement already satisfied: grpcio>=1.8.6 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.42.0)
Requirement already satisfied: termcolor>=1.1.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (2.1.0)
Requirement already satisfied: wheel>=0.26 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (0.37.1)
Requirement already satisfied: numpy<2.0,>=1.14.5 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.21.6)
Requirement already satisfied: tensorboard<1.15.0,>=1.14.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.14.0)
Requirement already satisfied: wrapt>=1.11.1 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.14.1)
Requirement already satisfied: absl-py>=0.7.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (1.3.0)
Requirement already satisfied: google-pasta>=0.1.6 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorflow-gpu==1.14.0) (0.2.0)
Requirement already satisfied: h5py in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from keras-applications>=1.0.6->tensorflow-gpu==1.14.0) (2.10.0)
Requirement already satisfied: markdown>=2.6.8 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (3.4.1)
Requirement already satisfied: setuptools>=41.0.0 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (65.5.0)
Requirement already satisfied: werkzeug>=0.11.15 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (2.2.2)
Requirement already satisfied: importlib-metadata>=4.4 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from markdown>=2.6.8->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (4.11.3)
Requirement already satisfied: MarkupSafe>=2.1.1 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from werkzeug>=0.11.15->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (2.1.1)
Requirement already satisfied: zipp>=0.5 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from importlib-metadata>=4.4->markdown>=2.6.8->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (3.8.0)
Requirement already satisfied: typing-extensions>=3.6.4 in c:\users\yamin\anaconda3\envs\py36gpu\lib\site-packages (from importlib-metadata>=4.4->markdown>=2.6.8->tensorboard<1.15.0,>=1.14.0->tensorflow-gpu==1.14.0) (4.4.0)
Installing collected packages: tensorflow-gpu
Successfully installed tensorflow-gpu-1.14.0

長い間インストールも出来なかった原因は、VIsualStudioにおけるC++ビルドツールが複数存在していたことが原因であったと推測されます。

また2023年新たにインストールしたことにより、OpenAI Gymはpython3.7→CUDA10.0が厳格に順守されており、本体のように「CUDA10.1」ではエラーが発生してしまうことも確認されました。

但し、その後すべての条件を揃え実行してみるとエラーが発生し、その後仮想環境におけるtensorflowプログラムが内部破損していることが確認され再インストールでも修復できなかったことから、仮想環境を削除し再インストールを行いました。

再構築後の試験は時間があるときとして、現在確認は取れていない状況となっています。

≪清須電脳倶楽部メインページへ戻る場合はここをクリックしてください≫

Copyright(c)2018 GGE Kiyosu Cyber Club Allrights Reserved