Versi terbaru TensorFlow tidak mendukung akselerasi NVIDIA CUDA/CuDNN secara asli pada sistem operasi Windows 10/11. Jadi, jika Anda ingin menyiapkan lingkungan pengembangan TensorFlow versi terbaru dengan akselerasi NVIDIA CUDA/cuDNN di Windows 10/11, Anda harus melakukannya melalui Subsistem Windows untuk Linux (WSL).
Pada artikel ini, kami akan menunjukkan cara menginstal WSL di Windows 10/11 dan mengaksesnya. Kami juga akan menunjukkan cara menginstal TensorFlow versi terbaru dengan dukungan akselerasi NVIDIA CUDA/cuDNN pada sistem WSL Ubuntu di Windows 10/11.
Topik Isi:
- Menginstal Driver GPU NVIDIA di Windows 10/111
- Menginstal NVIDIA CUDA dan cuDNN di Windows 10/11
- Menginstal WSL di Windows 10/11
- Mengakses Terminal Linux Ubuntu WSL di Windows 10/11
- Memeriksa Apakah Sistem WSL Ubuntu dapat Mengakses GPU NVIDIA Windows 10/11
- Menginstal PIP Python 3 di Sistem WSL Ubuntu
- Memutakhirkan PIP Python 3 di Sistem WSL Ubuntu
- Menginstal TensorFlow dengan Dukungan Akselerasi NVIDIA CUDA/cuDNN di Sistem WSL Ubuntu
- Memeriksa Apakah Akselerasi TensorFlow CUDA Berfungsi di Sistem WSL Ubuntu
- Mengakses Sistem WSL Ubuntu dengan Kode Visual Studio untuk Pengembangan TensorFlow
- Kesimpulan
Menginstal Driver GPU NVIDIA di Windows 10/11
Agar TensorFlow dapat mengakses GPU NVIDIA untuk akselerasi CUDA/cuDNN pada sistem WSL Ubuntu di Windows 10/11, Anda harus menginstal GPU NVIDIA di komputer Anda dan menginstal driver GPU NVIDIA di Windows 10/11. Jika Anda memiliki GPU NVIDIA yang terinstal di komputer Anda dan Anda memerlukan bantuan apa pun dalam menginstal driver GPU NVIDIA di Windows 10/11, membaca artikel ini .
Menginstal NVIDIA CUDA dan cuDNN di Windows 10/11
Setelah Anda menginstal driver GPU NVIDIA pada sistem Windows 10/11, Anda harus menginstal NVIDIA CUDA dan NVIDIA cuDNN untuk akselerasi TensorFlow CUDA/cuDNN agar berfungsi pada sistem WSL Ubuntu.
Jika Anda memerlukan bantuan dalam menginstal NVIDIA CUDA di sistem operasi Windows 10/11 Anda, membaca artikel ini .
Jika Anda memerlukan bantuan dalam menginstal NVIDIA cuDNN di sistem operasi Windows 10/11 Anda, baca artikel ini.
Menginstal WSL di Windows 10/11
Untuk menginstal WSL di Windows 10/11, buka aplikasi Terminal dan jalankan perintah berikut:
$ wsl –instal
Klik pada 'Ya'.
WSL sedang diinstal. Butuh beberapa saat untuk menyelesaikannya.
Setelah Anda melihat prompt berikut, klik 'Ya'.
Instalasi harus dilanjutkan.
Sistem operasi Ubuntu Linux sedang diinstal. Butuh beberapa saat untuk menyelesaikannya.
CATATAN: Ubuntu adalah sistem operasi default Windows WSL.
Pada titik ini, sistem Ubuntu Linux WSL harus diinstal di komputer Windows 10/11 Anda.
Agar perubahan diterapkan, restart komputer Anda.
Setelah komputer Anda boot, jendela Terminal akan ditampilkan, meminta Anda untuk mengatur pengguna Ubuntu pertama Anda.
Ketikkan nama untuk pengguna sistem WSL Ubuntu dan tekan < Memasuki >.
Ketikkan kata sandi login untuk pengguna baru dan tekan < Memasuki >.
Ketik ulang kata sandi login dan tekan < Memasuki >.
Akun pengguna baru harus dibuat untuk sistem WSL Ubuntu dan Ubuntu harus siap digunakan.
Mengakses Terminal Linux Ubuntu WSL di Windows 10/11
Untuk mengakses terminal sistem WSL Ubuntu Linux, buka aplikasi Terminal di Windows 10/11 dan klik > Ubuntu .
Terminal sistem WSL Ubuntu Linux harus dibuka.
Memeriksa Apakah Sistem WSL Ubuntu dapat Mengakses GPU NVIDIA Windows 10/11
Untuk memeriksa apakah sistem WSL Ubuntu dapat mengakses GPU NVIDIA di komputer Windows 10/11 Anda, jalankan perintah berikut dari terminal sistem WSL Ubuntu:
$nvidia-smi
Jika sistem WSL Ubuntu dapat mengakses GPU NVIDIA di komputer Windows 10/11 Anda, Anda akan melihat informasi penggunaan GPU NVIDIA Anda seperti yang ditunjukkan pada tangkapan layar berikut:
Menginstal PIP Python 3 di Sistem WSL Ubuntu
Untuk menginstal TensorFlow di sistem WSL Ubuntu, Anda harus menginstal Python 3 PIP di sistem WSL Ubuntu. Anda dapat menginstal Python 3 PIP pada sistem WSL Ubuntu dari repositori paket resmi Ubuntu.
Pertama, perbarui cache database paket APT dengan perintah berikut:
$ sudo pembaruan yang tepat
Untuk menginstal Python 3 PIP pada sistem WSL Ubuntu, jalankan perintah berikut:
$ sudo tepat instal python3-pip
Untuk mengonfirmasi instalasi, tekan “Y” lalu tekan < Memasuki >.
Python 3 PIP sedang diinstal pada sistem WSL Ubuntu. Butuh beberapa saat untuk menyelesaikannya.
Pada titik ini, PIP Python 3 harus diinstal pada sistem WSL Ubuntu.
Untuk memeriksa apakah PIP Python 3 dapat diakses di sistem WSL Ubuntu, jalankan perintah berikut:
$ pip –versi
Seperti yang Anda lihat, kami telah menginstal Python 3 PIP 22.0.2 di sistem WSL Ubuntu kami.
Memutakhirkan PIP Python 3 di Sistem WSL Ubuntu
Untuk menginstal TensorFlow versi terbaru, Anda harus menginstal Python 3 PIP versi terbaru di sistem WSL Ubuntu Anda.
Untuk menginstal TensorFlow versi terbaru, Anda harus menginstal Python 3 PIP versi terbaru di sistem WSL Ubuntu Anda.
$ pip instal –tingkatkan pip
Python PIP harus diperbarui ke versi terbaru (versi 23.2.1 pada saat penulisan ini).
$ pip –versi
Menginstal TensorFlow dengan Dukungan Akselerasi NVIDIA CUDA/cuDNN di Sistem WSL Ubuntu
Untuk menginstal TensorFlow dengan dukungan akselerasi NVIDIA CUDA/cuDNN di sistem WSL Ubuntu Windows 10/11 Anda, jalankan perintah berikut:
$ pip instal tensorflow[dan-cuda]
TensorFlow dengan dukungan NVIDIA CUDA/cuDNN dan dependensi yang diperlukan sedang diunduh dan diinstal. Butuh beberapa saat untuk menyelesaikannya.
Pada titik ini, TensorFlow dengan dukungan NVIDIA CUDA/cuDNN harus diinstal pada sistem WSL Ubuntu.
Memeriksa Apakah Akselerasi TensorFlow CUDA Berfungsi di Sistem WSL Ubuntu
Untuk memeriksa apakah akselerasi TensorFlow CUDA berfungsi di sistem WSL Ubuntu, buka shell/interpreter interaktif Python 3 dengan perintah berikut:
$python3
Untuk mengimpor TensorFlow, jalankan baris kode berikut:
$ impor tensorflow sebagai tf
Untuk memeriksa apakah TensorFlow diimpor dengan benar, cetak nomor versi TensorFlow dengan baris kode berikut:
$tf.__versi__
Seperti yang Anda lihat, kami telah menginstal TensorFlow 2.14.0 di sistem WSL Ubuntu kami.
Untuk memeriksa apakah GPU NVIDIA Anda tersedia untuk akselerasi TensorFlow CUDA, jalankan baris kode berikut:
$ tf.config.list_physical_devices('GPU')
Seperti yang Anda lihat, perangkat GPU tersedia untuk TensorFlow. Jadi, TensorFlow dapat menggunakan GPU NVIDIA komputer Anda untuk akselerasi CUDA.
Untuk keluar dari shell/interpreter interaktif Python 3, jalankan baris kode berikut:
$ keluar()
Mengakses Sistem WSL Ubuntu dengan Kode Visual Studio untuk Pengembangan TensorFlow
Visual Studio Code adalah editor kode yang bagus untuk pengembangan TensorFlow. Jika Anda ingin mengakses sistem WSL Ubuntu dengan Visual Studio Code untuk pengembangan TensorFlow dan Anda memerlukan bantuan apa pun dalam hal itu, baca artikel ini.
Kesimpulan
Pada artikel ini, kami menunjukkan cara menginstal Ubuntu Linux melalui WSL di Windows 10/11. Kami juga menunjukkan kepada Anda cara mengakses terminal sistem WSL Ubuntu di Windows 10/11 dan cara menginstal TensorFlow versi terbaru dengan dukungan akselerasi NVIDIA CUDA/cuDNN di sistem WSL Ubuntu juga.