假设你已经设置你的eGPU盒和连接从eGPU的TB3电缆连接到您的TB3端口:
1.下载自动化,eGPU脚本并运行它
curl -o ~/Desktop/automate-eGPU.sh
https://raw.githubusercontent.com/goalque/automate-eGPU/master/automate-eGPU.sh
&& chmod +x ~/Desktop/automate-eGPU.sh && cd ~/Desktop && sudo
./automate-eGPU.sh
您可能会收到错误消息:
“引导到恢复分区并键入:csrutil disable”
您现在需要做的就是重新启动计算机,并在重新启动时按住cmd + R
启用恢复模式。然后定位终端,而在恢复模式,键入:
csrutil disable
然后重新启动计算机并重新运行automate-eGPU.sh
脚本
2:下载并安装CUDA
运行cuda_8.0.61_mac.dmg
文件,并按照安装阶段进行操作。然后,您将需要设置路径。
转到您的终端,输入:
vim ~/.bash_profile
或者你是否已经存储在您的环境变量,然后添加以下三行:
export CUDA_HOME=/usr/local/cuda
export DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME:$CUDA_HOME/extras/CUPTI/lib"
export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATH
3。下载并安装cuDNN
下载cuDNN是比较麻烦的一点,你必须注册成为Nvidia的开发,然后再把你可以下载它。请确保下载cuDNN v5.1 Library for OSX
,因为它是Tensorflow v1.1预计的版本请注意,我们不能使用Tensorflow v1.2,因为没有GPU支持的Mac:((
[![enter image description here] [ 1] [1]
现在,您将下载一个名为cudnn-8.0-osx-x64-v5.1.tgz
一个压缩文件,解压后,将创建一个名为cuda
和CD文件使用终端它。假设该文件夹中下载
打开终端并输入:
cd ~/Downloads/cuda
现在我们需要cuDNN
的文件复制到CUDA
存储这样:
sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib/
4.现在,在您畅达/ virtualenv中
安装Tensorflow-GPU V1.1对我来说,因为我用我conda
创建使用终端的新环境:
conda create -n egpu python=3
source activate egpu
pip install tensorflow-gpu # should install version 1.1
5.验证它的工作原理
首先,你必须重新启动计算机,则:
在终端类型python
并输入:
import tensorflow as tf
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
with tf.Session() as sess:
print (sess.run(c))
如果你有一个GPU这应该没有问题运行,如果是的话那么你应该得到堆栈跟踪(只是一堆错误消息),它应该包括
无法将设备分配给节点'MatMul':无法满足显式设备规范'/ device:GPU',因为没有设备matc hing该规范在这个过程中注册
如果不是那么你完成祝贺!我刚刚成立了今天,它的工作完美:)
乔治·喜* .whl文件,你得到你的设置工作?如何?我有和你一样的硬件,想要让TensorFlow工作,但不知道从哪里开始:) – wottpal
。但我真的想要使用egpu,并且面对驾驶员一些问题。 –