Tutorial Install TensorFlow GPU 2.x Menggunakan Anaconda Windows 8/10

blank
blank

Hallo semuanya, bertemu lagi kita dengan tutorial baru saya, kali ini dengan topik yang berbeda dan sejalur dengan bidang riset saya yaitu kecerdasan buatan (AI), pembelajaran mesin (ML), dan pembelajaran mendalam (DL). Tetapi, saya tidak membahas 3 topik itu, disini menjadi pokok bahasannya adalah bagaimana memaksimalkan performa laptop atau komputer untuk mempercepat proses pelatihan AI, ML, dan DL teman-teman semua. Penting sekali disini laptop atau komputer teman-teman memiliki GPU (Graphical Processing Units) dari Nvidia. Namun, pada artikel ini penulis hanya membahas untuk cara install di Windows saja, sedangkan untuk Linux Ubuntu akan dibahas pada artikel sesi selanjutnya.

blank

Gambar 1. GPU GEFORCE RTX 3080 Nvidia (Sumber: https://www.nvidia.com/en-us/geforce/graphics-cards/30-series/rtx-3080/)

GPU dianggap sebagai jantung dari pembelajaran mendalam (Deep Learning) yang merupakan bagian dari Kecerdasan Buatan (AI). GPU adalah prosesor chip tunggal yang digunakan untuk perhitungan Grafis dan Matematika[1]. Dalam aplikasinya agar GPU dapat digunakan untuk memproses perhitungan grafis, harus diprogram menggunakan CUDA (Compute Unified Device Architecture) yang dikembangkan oleh Nvidia.  CUDA® adalah platform komputasi paralel dan model pemrograman yang dikembangkan oleh NVIDIA untuk komputasi umum pada unit pemrosesan grafis (GPU). Dengan CUDA, pengembang dapat secara dramatis mempercepat aplikasi komputasi dengan memanfaatkan kekuatan GPU ini[2].

blank

Oke langsung saja kita menginstall beberapa software pendukung untuk mempermudah dalam menjalankan sistem. Adapun beberapa software pendukung yang harus kita siapkan adalah:

  1. Install Driver Nvidia
  2. Anaconda untuk python 3.7 Download driver Nvidia untuk GPU terbaru (sesuaikan dengan GPU laptop/komputer kita)

Langkah 1: Install Driver GPU Nvidia

Pada langkah pertama, kita akan menginstal driver GPU yang terpasang pada laptop atau komputer kita terlebih dahulu. Karena driver sangat dibutuhkan agar TensorFlow yang kita install dapat mengakses GPU pada laptop atau komputer kita. Pada Windows memiliki perbedaan dengan Ubuntu, dimana pada Windows driver Nvidia untuk GPU harus diinstal secara manual, berbeda dengan Ubuntu yang jika kita memakai versi 19.04 keatas driver sudah terinstal otomatis.

Disini akan kita bahas 2 cara untuk menginstall driver GPU-nya, pertama mendownload langsung dari website Nvidia, dan yang kedua dapat mendownload langsung dari web driver laptop masing-masing, misalnya laptop penulis adalah lenovo dan dapat men-download driver dari web penyedia driver lenovo tersebut.

Cara Pertama: 

Oke kita akan membahas cara pertama terlebih dahulu, dan langsung menuju website untuk men-download driver Nvidia GPU yang akan kita pasang. Silakan buka link Nvidia untuk mengunduh driver sesuai spesifikasi dari laptop atau komputer kita. Misalnya laptop penulis terpasang GPU Nvidia GeForce 920 MX, maka saya akan mengunduh sesuai dengan spesifikasi tersebut, dan jangan sampai salah download driver! Berikut gambar contoh dari mengunduh driver GPU untuk laptop saya.

blank

Gambar 2. Contoh driver yang akan di-download sebagai support GPU laptop penulis.

Kemudian setelah memasukkan tipe GPU yang ada pada laptop atau komputer yang akan diinstall driver dan jika sudah cocok dengan spesifikasi dari GPU dan OS laptop tinggal klik cari, kemudian akan keluar driver yang cocok dan terbaru dari Nvidia. Setelah cocok dengan yang telah kita masukkan tadi, tinggal klik download dan tunggu hingga selesai. Jangan lupa sambil ngopi 😀

blank

Gambar 3. Berikut adalah driver yang sesuai dengan laptop penulis.

Lalu install driver seperti pada proses penginstalan driver pada umunya, prosesnya pun sangat mudah dan tidak sulit sama sekali.

Cara Kedua: 

Cara kedua dapat men-download langsung dari website penyedia driver laptop sesuai dengan merek masing-masing, misalnya laptop penulis adalah lenovo Ideapad 320S 14IKB dapat men-download driver GPU di link lenovo. Dan berikut adalah tampilan di website driver lenovo yang sesuai dengan laptop penulis.

blank

Gambar 4. Tampilan driver GPU yang cocok untuk laptop Lenovo Ideapad 320S 14IKB.

JIka semua telah cocok dengan spesifikasi GPU Laptop, lalu tinggal download dan install seperti pada menginstall software umumnya. Jika berhasil maka dapat dilihat pada Task Manager laptop anda masing-masing. Tetapi jika sudah terinstall bawaan dari saat membeli, tidak perlu menginstall lagi, cukup lanjut ke langkah berikutnya.

Baca juga:
blank

Gambar 5. Pada gambar dapat dilihat bahwa pada bagian bawah GPU 1 menunjukkan bahwa GPU Nvidia telah terpasang pada laptop kita dan dapat kita lihat disana kapasitas video memori (vram) sebesar 2 GB.

Langkah 2: Install Anaconda

Oke, setelah proses install driver GPU selesai, kita lanjut ke bagian kedua yaitu meng-install Anaconda sebagai data sains toolkit. Download anaconda pada link berikut ini https://www.anaconda.com/. Install anaconda hingga selesai, proses instalasi sangat mudah dan sama seperti proses install pada software pada umumnya. Agar lebih mudah proses instalasi Anaconda pada windows, penulis berikan gambar cara meng-install-nya dibawah ini.

Pertama terlebih dahulu download anaconda dengan “individual edition” pada website anaconda https://www.anaconda.com/products/individual dan ada 5 pilihan paket dan sesuaikan dengan kebutuhan, penulis sendiri memilih “individual edition” karena bersifat open source seperti pada gambar berikut:

blank

Gambar 6. Pilihan anaconda “individual edition”.

Kemudian untuk men-download langsung scroll ke bawah sampai pada “anaconda instraller”, lalu pilih anaconda untuk windows sesuai dengan bit laptop masing-masing, misalnya laptop penulis 64 bit, maka dipilih yang anaconda 64-Bit Graphical Installer dengan total 457 MB. Selengkapnya seperti pada gambar dibawah ini:

blank

Gambar 7. Pilihan Anaconda untuk windows.

Install anaconda seperti pada software umumnya, dan pada box pilihan “Advanced Installation Options” tidak perlu dicentang pada “Add Anaconda to my PATH environment variable”.

blank

Gambar 8. Pilihan “Add Anaconda to my PATH environment variable” tidak usah dicentang.

Jika telah selesai diinstall, teman-teman dapat membuka anaconda navigator untuk menginstall paket lain seperti jupyter dan paket tools data sain lainnya. Dan, teman-teman dapat menguji anaconda dengan cara ketik di pencarian windows “Anaconda Powershell Prompt (Anaconda3)”. Pada Powershell inilah nanti kita akan menjalankan “environment” tensorflow GPU-nya. Tampilannya seperti pada gambar dibawah ini:

blank

Gambar 9. Tampilan dasar (base) pada anaconda 3 di powershell.

Kemudian teman-teman dapat mengetik “python” untuk melihat python bawaan yang telah terinstall, seperti pada gambar dibawah ini:

blank

Gambar 10. Python bawaan anaconda yang telah terinstall.

Langkah 3: Pembuatan Environment

Sebuah environment atau lingkungan pemrograman sangat penting dalam dunia pemrograman, karena disini kita membangun lingkungan pemrograman lokal tanpa harus bercampur dengan lingkungan global yang dapat menyebabkan berbagai error. Jadi, maksudnya adalah dengan membuat sebuah environment lokal pemrograman kita dapat berjalan tanpa gangguan dari kegagalan program lainnya, jadi lebih bisa berfokus pada project yang sedang kita kerjakan saja.

Pertama-tama, buka “Anaconda Powershell Prompt” dan dari sinilah kita akan menginstall beberapa paket tensorflow dll. Namun sebelum itu, kita terlebih dahulu membuat “environment” kerja untuk tensorflow-gpu. Pada Anaconda Powershell Prompt, ketik “conda create -n nama_env”, nah pada bisa dimasukkan sesuai dengan nama yang kita mudah mengingatnya, misalnya penulis menggunakan nama “tf2-gpu”, sehingga penulisan lengkap menjadi “conda create -n tf2-gpu”, dan lebih lengkap dapat dilihat pada gambar berikut:

blank

Gambar 11. Ketik “conda create -n tf2-gpu” pada Anaconda Powershell Prompt lalu tekan enter.

Setelah enter, maka akan muncul pilihan instalasi untuk diproses dilanjutkan atau tidak, maka pilihannya adalah ketik “y”.

blank

Gambar 12. Untuk melanjutkan proses instalasi maka ketik “y” lalu enter.

Tunggu hingga proses instalasi selesai, jika telah selesai maka tampilan akan seperti pada gambar dibawah ini:

blank

Gambar 13. Proses pembuatan environment tf2-gpu telah selesai dan berhasil.

Proses pembuatan environment tf2-gpu telah selesai, kemudian untuk mengaktifkannya dapat dengan mengetik “conda activate tf2-gpu” pada Anaconda Powershell Prompt, sehingga langsung menuju environment tf2-gpu, dan tidak lagi pada base anaconda. Nah, disinilah kita akan menginstall paket kebutuhan untuk keperluan riset atau project pembelajaran mesin kita nanti, sedangkan untuk menonaktifkan environment-nya dapat mengetik “deactivate”. Jika sudah aktif maka tampilan akan seperti pada gambar dibawah ini:

blank

Gambar 14. Tampilan environment tf2-gpu sudah aktif.

Langkah 4: Install Tensorflow-GPU

Oke pada tahap 4, langsung saja kita kebagian penginstalan TensorFlow untuk GPU. TensorFlow adalah platform sumber terbuka end to end yang didesain oleh Google Brain khusus untuk pembelajaran mesin. TensorFlow memiliki ekosistem tools, perpustakaan, dan sumber daya komunitas komprehensif yang fleksibel, yang memungkinkan para peneliti untuk mendongkrak kekuatan teknologi mutakhir dalam pembelajaran mesin dan pengembang dengan mudah membangun dan menggunakan aplikasi bertenaga pembelajaran mesin[3].

blank

Kembali ke environment tf2-gpu yang telah diaktifkan tadi, nah diisnilah kita akan memulai untuk menginstall beberapa paket pendukung seperti python 3.6, tensorflow-gpu, cudnn, opencv, dll. Oke, pertama kita install dulu python 3.6, disini menggunakan python 3.6, karena berdasarkan pengalaman penulis sedikit sekali error saat menggunakan tensorflow untuk gpu, berbeda dengan yang versi 3.7 atau 3.8 yang seringkali error. Sebenarnya bisa pakai versi 3.7 atau 3.8, hanya saja akan sangat sulit jika kamu masih pemula. Jadi, kita fokus pada python 3.6 saja, ya.

Oke, sekarang kita langsung menginstall python 3.6 dan tensorflow gpu serta cudnn-nya. Tensorflow yang akan kita install adalah versi 2.1.0, sedangkan cudnn digunakan untuk libarary cuda untuk deep nuaral network (dnn). CUDA itu sendiri adalah platform komputasi paralel dan model pemrograman yang dikembangkan oleh NVIDIA untuk komputasi umum pada unit pemrosesan grafis (GPU). Dalam proses instalasi kita dapat langsung menginstall python beserta tensorflow-gpu dan cudnn. Sehingga, code pada Prompt adalah “conda install python=3.6 tensorflow-gpu cudnn”, lalu tekan enter, lebih lengkap seperti pada gambar dibawah ini:

blank

Gambar 15. Instalasi python 3.6, tensorflow-gpu, dan cudnn pada environment tf2-gpu.

Selanjutnya akan tampil tools-tools yang akan terpasang bersama 3 paket tadi, lalu ketik “y” dan tekan enter, maka proses instalasi akan berjalan secara otomatis, dan tunggu hingga selesai, pastikan paket data teman-teman minimal 2 GB dan  kecepatan internet teman-teman bagus, ya, karena pada tensorflow-gpu akan membutuhkan data sekitar 400 MB, dan proses instalasi secara online dari repository tensorflow-nya. Jika proses install berhasil dan selesai maka tampilan akan seperti pada gambar berikut ini:

blank

Gambar 16. Proses instalasi paket python 3.6, tensorflow-gpu, dan cudnn telah berhasil dan selesai.

Langkah 5: Pengujian Tensorflow GPU

Pada tahap akhir adalah pengujian apakah Tensorflow GPU yang telah kita install bisa berjalan dengan baik atau error. Pada tahap pengujian ini penting guna melihat apakah semua diinstall dengan benar atau tidaknya. Namun, sebelum itu, jika anda lupa nama environment yang telah anda buat tadi, mungkin, oke saja dalam waktu 1 hari sampai seminggu masih ingat, tapi jika sudah 1-5 bulan ada kemungkinan anda lupa. Nah, disini kita masih dapat melihat list environment yang telah kita buat. Caranya cukup ketik “conda env list” lalu enter pada Anaconda Powershell Prompt seperti pada gambar dibawah ini:

blank

Gambar 17. Tampilan environment list yang telah kita buat.

Sekarang tinggal aktifkan saja environment tf2-gpu yang telah kita buat agar bisa menjalankan Tensorflow GPU-nya. Cara mengaktifkan sama seperti sebelumnya dengan cara mengetik “conda activate tf2-gpu” pada Anaconda Powershell Prompt, lalu tekan enter, environment kita otomatis akan aktif dan siap digunakan.

Nah, ketika environment GPU kita sudah aktif, sekarang masuk ke python editor via terminal dengan mengetik “python” pada Anaconda Powershell Prompt. Disini penulis menggunakan python editor via terminal langsung untuk menulis code uji coba pada tensorflow gpu yang telah kita install tadi. Setelah diketik “python” lalu tekan enter dan otomatis akan masuk ke python editor seperti pada gambar dibawah ini:

blank

Gambar 18. Python editor yang akan digunakan untuk mengetik kode uji coba modul tensorflow GPU yang telah kita install tadi.

Sekarang lanjut dengan mengimport library tensorflow GPU tadi pada editor python dengan cara mengetik “import tensorflow as tf“, kemudian tekan enter, jika tidak error akan muncul tulisan “2021-02-26 21:00:20.564707: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll” yang menandakan bahwa modul Tensorflow GPU berhasil kita install dan tidak ada error. Lebih lengkapnya dapat dilihat pada gambar dibawah ini:

blank

Gambar 19. Modul tensorflow GPU telah berhasil kita install.

Selanjutnya, kita juga dapat melihat jumlah GPU yang sedang terpakai untuk tensorflow GPU kita ini dengan cara mengetik kode “print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU'))) pada python editor, maka akan muncul 1 GPU saja yang sedang digunakan itu karena memang pada laptop penulis hanya menggunakan 1 GPU, lebih jelas bisa dilihat pada gambar dibawah ini:

blank

Gambar 20. Tampilan jumlah GPU yang sedang digunakan.

Nah, sampai disini kita telah berhasil menginstall Tensorflow GPU pada laptop atau komputer kita tanpa error sama sekali. Dan, dengan begitu sudah siap kita gunakan untuk menjalankan algoritma machine learning terutama deep learning kita berbasis GPU lokal dari laptop kita sendiri. Kemudian penulis akan menambah beberapa baris kode lagi untuk menguji library tensorflow GPU tadi, dalam melakukan perhitungan tensor dengan menulis program ini baris per baris pada python editor,

tf.debugging.set_log_device_placement(True)

# Create some tensors
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)

print(c)

Sehingga, tampilan pada python editor setelah di enter menjadi seperti pada gambar berikut ini:

blank

Gambar 21. Library tensorflow GPU telah berhasil menghitung nilai tensor pada program.

Kode secara lengkap sebagai berikut ini:

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

tf.debugging.set_log_device_placement(True)

# Create some tensors
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)

print(c)
print("Tensorflow Version:", tf.__version__)

Selain itu kode secara lengkap juga dapat diakses pada repository github penulis https://github.com/Wayan123/Tensorflow-GPU tinggal download saja atau bisa juga di clone pakai git clone.

Oke, selesai juga akhirnya tutorial cara instalasi Tensorflow GPU dengan Anaconda untuk windows 8.1/10 kali ini, harapannya semoga tulisan ini dapat bermanfaat bagi kita semua. Dan, jika ada pertanyaan bisa di kolom komentar dan juga jika ada error bisa bertanya langsung ke saya melalui kolom komentar, ya.

Referensi:

  1. Shachi Shah, 2018, “Do we really need GPU for Deep Learning? – CPU vs GPU“, Medium, link (https://medium.com/@shachishah.ce/do-we-really-need-gpu-for-deep-learning-47042c02efe2) diakses pada tanggal 2 Januari 2020.
  2. Nvidia Developer, “CUDA (TRAIN MODELS FASTER)”, link (https://developer.nvidia.com/cuda-zone) diakses pada tanggal 2 Januari 2020.
  3. TensorFlow, “An end-to-end open source machine learning platform”, link (https://www.tensorflow.org/) diakses pada tanggal 2 Januari 2020.
Wayan Dadang
Artikel Berhubungan:

Sponsor Warstek.com:

Yuk Ajukan Pertanyaaan atau Komentar