Macbook pro外接显卡实现深度学习

耗时一整天加一晚上终于成功了安装配置外接GPU并运行深度学习案列

故事的缘由

2017年底鬼使神差的买了个macbook，放在家里吃了一年灰，心想还是要用起来啊。目前主要从事数据挖掘机器学习的工作，需要搞搞深度学习，于是上网查攻略，如何使用mac连接GPU进行深度学习，最后查到的方案是使用游戏盒子AORUS GTX 1070 GAMING BOX来连接。但是很多攻略使用的系统都是10.12的，10.13.1的极少，再加上京东下面的各种差评，抱着忐忑的心情去京东买了一个，拿回来心就凉了半截，这包装像是被退货的东西，包装有磨碎，还好打开里面，外壳没有磨损，螺丝口也没有，应该没被人拆过，那我就姑且试试吧。之前问了京东客服苹果设备必须要外接显示器才可使用，又去搞了台显示器。好了，硬件设备准备好了，开始头疼的安装工作。

配置

硬件
我的系统版本

macOS版本10.13.1
GPU：AORUS GTX 1070 GAMING BOX

软件
WebDriver-378.10.10.10.20.109.pkg
NVIDIAEGPUSupport ：NVDAEGPUSupport-v2.pkg
Python 3.7
Xcode Version 8.3.1
CudaToolkit: cuda_9.1.128_mac
CUDNN: cudnn-9.1-osx-x64-v7-ga.tar

组装机诡异事件

由于macbook pro 13寸 2017款支持雷电3接口，买的游戏盒子也是雷电3接口的，按照说明书连好各种线，显卡的DVI接口接外接显示器，显卡的雷点3接口接mac，显卡插上电源同时又可以给笔记本充电，免除了再接电源线的烦恼。但是诡异的事情来了，电脑开机以后要识别显卡必须拔掉显卡的电源线，仅仅是不连接mac都是不行的，必须拔掉显卡电源线！！！在登录界面再连接好显卡的电源线和雷电3的线。之后输入mac密码登录进系统。而关机的时候不拔掉显卡，电脑关机后会重启，有时还会让电脑绿屏，甚是诡异。在显卡驱动安装好以后，显卡的正常状态是彩灯会亮起（如下图），后面的两个小风散会转动，没有装好驱动的时候灯是不会点亮的。下面开始安装显卡驱动和各种软件。

显卡驱动安装

安装WebDriver：

https://www.insanelymac.com/forum/topic/324195-nvidia-web-driver-updates-for-macos-high-sierra-update-december-7-2018/
在该网页上下载10.13.1对应的的版本，我下载的是109版本的webdriver

打开安装包进行安装

关闭sip

重启电脑，黑屏时候长按 command+R进入恢复模式，选择命令行工具，输入csrutil disable 这样就关闭了sip

安装eGPUSupport:
同样在该网址找到10.13.1对应的驱动下载并安装
https://egpu.io/forums/mac-setup/wip-nvidia-egpu-support-for-high-sierra/

注意：安装两个软件，在安装的注意在安全与隐私处选择允许安装

安装好两个软件后，关闭电脑，黑屏时拔掉显卡电源和连接电脑的线，开机之后在登录窗口出现时连接上显卡的电源，再连接上mac，同时保持外接显示器电源打开状态，如果不打开外接显示器，mac输入密码后会一直卡在登录界面。登录后看到系统报告里多一张显卡（如下图所示），那么就表明已经成功外接显卡。

下面开始搭建深度学习环境，来条分割线

XCode安装

下载链接如下，需要先进行注册登录，我下载的是8.3.1版本，链接地址：
https://developer.apple.com/download/more/

下载以后按照向导进行安装

CUDA和CUDNN安装

cuda Toolkit安装

英伟达显卡做深度学习需要cuda和cudnn的支持，先安装cuda Toolkit，下载地址：https://developer.nvidia.com/cuda-toolkit-archive
我这里使用的是9.1版本，

安装好之后，配置 CUDA 环境，打开终端，编辑 ~/.bash_profile 文件

vi ~/.bash_profile

添加环境变量

export CUDA_HOME=/usr/local/cuda
export DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME/extras/CUPTI/lib"
export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATH
export PATH=$DYLD_LIBRARY_PATH:$PATH
export flags="--config=cuda --config=opt"

重启bash_profile

. ~/.bash_profile

检测CUDA能否正常运行：

cd /usr/local/cuda/samples
sudo make -C 1_Utlities/deviceQuery
./bin/x86_64/darwin/release/deviceQuery

如果最后显示 Result = PASS，那么CUDA就工作正常

cuDNN下载
下载cudnn需要先进行注册，打开链接找到对应的cuDNN进行安装，我这里选择的是7.0版本。
https://developer.nvidia.com/rdp/cudnn-download

下好后直接把cudnn压缩包放到这下面/Developer，这是在安装CUDA的时候他就帮你建好的一个路径。

sudo mv 自己的路径/cudnn-9.1-osx-x64-v7-ga.tar /Developer/

然后解压缩包


sudo tar xvf cudnn-9.1-osx-x64-v7-ga.tar

cudnn与cuda合并

sudo mv /Developer/cuda/include/cudnn.h /Developer/NVIDIA/CUDA-9.1/include/
sudo mv /Developer/cuda/lib/libcudnn* /Developer/NVIDIA/CUDA-9.1/lib/
sudo ln -s /Developer/NVIDIA/CUDA-9.1/include/* /usr/local/cuda/include/
sudo ln -s /Developer/NVIDIA/CUDA-9.1/lib/* /usr/local/cuda/lib/

确认/Developer/NVIDIA/CUDA-9.1/lib和include文件夹中能看见cudnn中的文件则合并成功了

tensorflow安装

建立python虚拟环境

首先安装Anoconda，可以直接下载安装，具体安装步骤不再赘述。
https://www.anaconda.com/download/#macos

创建python虚拟环境
这里选用的是python3.7版本，虚拟环境命名为tensorflow-gpu，python使用3.7版本，打开命令行工具输入

conda create -n tensorflow-gpu python=3.7

下载编译好的tensorflow

由于tenserflow 1.1以后就没有支持macos了，所以上网找到编译好的tenserflow gpu版本，下载红框中的whl
https://github.com/TomHeaven/tensorflow-osx-build/releases

可以看见红框中的版本正是需要cuda 9和cudnn7

下载解压安装红框的的版本

unzip tensorflow.whl.zip
pip install tensorflow*.whl

好了tensorflow安装完了，安装过程中需要注意版本的匹配问题，如果版本cuda和cudnn版本不匹配，则tensorflow在run的时候可能会卡死。

算力提升效果

上图使用CPU

上图使用GPU

使用GPU以后基本上有20倍的加速

测试代码是《tensorflow实战》中提供的源码：
www.broadview.com.cn/30912
使用的是6_1_AlexNet.py的代码，IDE用的pycharm，注意在使用GPU的时候需要选择虚拟环境为tensorflow-gpu 的解释器，并且在函数run_benchmark中添加两行，否则会报内存不够的错误。

参考文章：
https://blog.csdn.net/hanlin_tan/article/details/78345204
https://blog.csdn.net/wz22881916/article/details/78807993/
https://blog.csdn.net/ssujoensiang/article/details/78620616
https://www.kocpc.com.tw/archives/162983