Install Tensorflow 2 dengan Support GPU

Penggunaan TensorFlow dengan dukungan GPU tentu saja menjadi pilihan utama bagi banyak praktisi dan peneliti di bidang ini, termasuk saya. TensorFlow 2, dengan berbagai fitur dan kemampuannya yang telah ditingkatkan, menawarkan kecepatan dan fleksibilitas yang sangat dibutuhkan dalam eksperimen machine learning. Namun, proses instalasi TensorFlow 2 dengan dukungan GPU bisa menjadi tantangan yang cukup membingungkan (mungkin saya saja yang merasakan ini… hehehe)

Sebagai seorang yang suka bermain-main di bidang kecerdasan buatan dan machine learning, saya telah beberapa kali berusaha menginstal TensorFlow 2 pada berbagai sistem operasi dan konfigurasi hardware. Dari pengalaman ini, saya menyadari bahwa meskipun banyak panduan yang tersedia, masih ada beberapa hambatan yang sering dijumpai. Mulai dari kesalahan konfigurasi, ketidakcocokan versi driver, hingga masalah kompatibilitas perangkat keras.

Pada tulisan kali ini, saya ingin berbagi pengalaman dan solusi atas berbagai kendala yang saya temui dalam instalasi TensorFlow 2 dengan dukungan GPU. Ternyata untuk menginstall TensorFlow 2 dengan dukungan GPU sangatlah mudah. Tidak sesulit yang kita bayangkan.

Sebelum memulai, saya asumsikan Anda telah menginstall Conda (Anaconda atau Miniconda)

Langkah pertama, buat environment terlebih dahulu.

conda create --name nama_env python=3.7

Kemudian aktifkan env yang sudah dibuat dengan mengetikkan command berikut

conda activate nama_env

Sekarang kita install dukungan Jupyter Notebooks pada environment kita.

conda install nb_conda

Saat ini, perintah conda install tensorflow-gpu akan menginstal TensorFlow versi 2.3.0 dan TIDAK menginstal paket cudnn atau cudatoolkit dari conda. Sedangkan menginstal secara manual (misalnya dengan conda install cudatoolkit=11.0) tampaknya tidak memperbaiki masalah tersebut.

Solusinya adalah dengan menginstal versi sebelumnya dari TensorFlow, yang memang menginstal cudnn dan cudatoolkit, kemudian melakukan upgrade menggunakan pip. Jika Anda mengikuti langkah-langkah ini, Anda tidak perlu menginstal CUDA atau CUDNN di sistem Anda.

conda install tensorflow-gpu=2.1
pip install tensorflow-gpu==2.3.1

Terakhir, silahkan install library-library yang dibutuhkan lainnya seperti Numpy, Pandas, Scikit Learn, Matplotlib, Seaborn, dan lainnya.

conda install numpy
conda install pandas
conda install scikit-learn
conda install matplotlib
conda install seaborn

Sampai disini, selesai instalasinya.

Sekarang kita coba dengan mengetikkan code di bawah ini pada jupyter notebook.

Seperti yang terlihat bahwa GPU terdeteksi dan tersedia. Selain itu, kita dapat menjalankan perintah berikut untuk mendapatkan informasi tentang GPU yang digunakan TensorFlow:

Terimakasih sudah membaca.

.