TensorFlow GPU版 をWindowsで動かす最速ガイド

はじめに

この記事では、WindowsでTensorFlow GPU版を動かす手順を説明します。

方法は２つあります。

1. WSL2上でTensorFlowを動かす方法（こちらが正攻法）
2. Windows上で過去のバージョンのTensorFlowを使う方法

TensorFlowはバージョン2.11でWindowsでのGPUサポートを打ち切りました。
今後はWSL2上で動作させることが推奨されています（方法１）。

ただ、「ちょっと試したいだけなのに、WSL2まで入れるのはちょっと面倒……」と思ってる方のために、TensorFlowのバージョン2.10を使う方法も紹介します（方法２）。

---

方法１. WSL2上でTensorFlowを動かす方法

1-1. 前提

ここで説明する手順は以下を前提としています。

1. PCにNVIDIAのGPUが装着されていること
2. Windows側にNVIDIAのドライバがインストールされていること
3. Windows側にWSL2がインストールされていること
4. WSL2側にpyenvがインストールされていること

WSL2のインストール

WSL2のインストールに関しては、拙著の記事「大学に入ってLinuxとC言語をやれと言われて困ってる迷える子羊のための、爆速WSL2環境構築入門」も参考にしてみてください。
文章のクセが強くて申し訳ないですが、読めないことはないです😅

pyenvのインストール

pyenvのインストールに関しても、拙著の記事「pyenv の導入手順と使い方ガイド」をよろしければご参考にどうぞ。

1-2. 手順

以下の手順をWSL2側で実行してください。

# Pythonをインストール（もう既に入ってるなら不要）
pyenv install 3.12.0

# プロジェクト用のディレクトリを作成（名前は任意）
mkdir tensorflow-test
cd tensorflow-test

# プロジェクトでPython 3.12.0を使用するよう設定（バージョンは自分の環境に置き換えて）
pyenv local 3.12.0

# Python仮想環境を作成
python -m venv venv

# Python仮想環境をアクティブ化
source venv/bin/activate

# tensorflow と CUDA を一緒にインストール
pip install tensorflow[and-cuda]

1-3. 動作確認

以下のプログラムを実行し、正常に動作すれば問題ありません。

test.py

import tensorflow as tf

# 使用可能なGPUデバイスの一覧を表示
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    print(f"\n見つかったGPUの数: {len(gpus)}")
    for gpu in gpus:
        print(f"GPUデバイス名: {gpu}")
    # 実際に計算がGPUで行われるか簡単な演算で確認
    with tf.device('/GPU:0'):
        a = tf.constant([[1.0, 2.0, 3.0]])
        b = tf.constant([[4.0, 5.0, 6.0]])
        c = tf.matmul(a, b, transpose_b=True)
        print("GPUでの計算結果:", c.numpy())
else:
    print("GPUが見つかりません。")

Visual Studio Code
WSL2側のプログラムを編集するには、ホスト側（Windows側）のVisual Studio CodeにWSL拡張機能をインストールしてくと、ホスト側からプログラムを編集できて便利です。インストール後、WSL2のターミナルでcode .を実行すると、Visual Studio Codeでカレントディレクトリを開きます。

---

方法２. Windows上で過去のバージョンのTensorFlowを使う方法

2-1. 前提

ここではTensorFlow 2.10とMicrosoftのDirectMLプラグイン（CUDAは使用しない）を使用する方法を紹介します。CUDAを使用しないため、CUDAのインストールは不要です。

ここで説明する手順は以下を前提としています。

1. PCにGPUが装着されていること（NVIDIA/AMD/Intel）
2. GPUの最新ドライバがインストールされていること
3. Windowsにpyenvがインストールされていること

DirectMLについて
DirectMLはMicrosoftが開発したWindows専用の機械学習向けAPIです。CUDAとは違い、NVIDIA、AMD、Intel製など幅広いGPUで使えるという特徴があります。セットアップが簡単で、Windowsなら手軽に使えるというのも魅力の一つです。

逆にDirectMLはCUDAよりパフォーマンスが出にくいという弱点があります。ただ、WindowsでTensorFlow+CUDAを使おうとすると環境構築が面倒なため、気軽にTensorFlowを試したい場合はDirectMLをお勧めします。パフォーマンスを重視したい場合は、方法１のWSL2を使用することをご検討ください。

2-2. 手順

以下の手順をWindowsで実行してください。

# Pythonをインストール（もう既に入ってるなら不要）
pyenv install 3.10.11

# プロジェクト用のディレクトリを作成（名前は任意）
mkdir tensorflow-test
cd tensorflow-test

# Python 3.10.11 を使用するように設定
pyenv local 3.10.11

# Python仮想環境を作成
python -m venv venv

# Python仮想環境をアクティブ化
venv\scripts\activate

# tensorflow 2.10 をインストールする
pip install tensorflow==2.10

# numpy のバージョン２を消してバージョン１を入れる
# numpy バージョン２系だとtensorflow 2.10が動かない
pip uninstall numpy
pip install "numpy>=1,<2"

# tensorflow DirectML Pluginをインストール
# これでGPUを使用できるようになる
pip install tensorflow_directml_plugin

2-3. 動作確認

以下のプログラムを実行し、正常に動作すれば問題ありません。

test.py

import tensorflow as tf

# 使用可能なGPUデバイスの一覧を表示
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    print(f"\n見つかったGPUの数: {len(gpus)}")
    for gpu in gpus:
        print(f"GPUデバイス名: {gpu}")
    # 実際に計算がGPUで行われるか簡単な演算で確認
    with tf.device('/GPU:0'):
        a = tf.constant([[1.0, 2.0, 3.0]])
        b = tf.constant([[4.0, 5.0, 6.0]])
        c = tf.matmul(a, b, transpose_b=True)
        print("GPUでの計算結果:", c.numpy())
else:
    print("GPUが見つかりません。")

---

まとめ

この記事ではWindowsでTensorFlow GPU版を使う方法を２つ紹介しました。
どちらの方法を使ったほうがいいか迷ったら、以下の基準を参考にしてください。

• 今後も最新のTensorFlowや他のAIライブラリを使いたい場合はWSL2一択！
• 手軽にちょっとだけ試したい＆NVIDIA以外のGPUでも動かしたいなら、DirectML方式もアリ。ただし自己責任で！

それでは今回はこの辺で。
じゃあね♪ バイバイ😊