【Python】12 GPflow安装

概述

GPflow 是一个基于TensorFlow 在 Python 中构建高斯过程模型的包。高斯过程是一种监督学习模型。

高斯过程的一些优点是：

不确定性是高斯过程的固有部分。高斯过程可以在不知道答案时告诉您。
适用于小型数据集。如果您的数据有限，高斯过程可以从您的数据中获得最大收益。
可以扩展到大型数据集。不可否认，尽管高斯过程可能需要大量计算，但有一些方法可以将其扩展到大型数据集。

安装步骤

严格按照GPflow和TensorFlow官网说明的步骤安装。

创建虚拟环境

首先，安装Anaconda或Miniconda，添加环境变量，在Anaconda Prompt(Anaconda3)或Anaconda Prompt(Miniconda3)中创建虚拟环境

conda create -n gpflow_env python=3.9

进入名为gpflow_env的虚拟环境

conda activate gpflow_env

安装TensorFlow

NVIDIA显卡驱动

要安装TensorFlow并使用GPU功能，首先要确保计算机上安装有NVIDIA显卡，并且驱动版本大于450.80.02，可在命令行中输入以下命令查看

nvidia-smi

若无此命令，则将C:\Program Files\NVIDIA Corporation\NVSMI路径，添加到环境变量中，命令输出结果为

Mon Nov 20 18:24:35 2023
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 546.17                 Driver Version: 546.17       CUDA Version: 12.3     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                     TCC/WDDM  | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce MX150         WDDM  | 00000000:01:00.0 Off |                  N/A |
| N/A   35C    P0              N/A / ERR! |      0MiB /  2048MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------++---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|  No running processes found                                                           |
+---------------------------------------------------------------------------------------+

驱动版本为546.17，满足要求。若不满足，需要去NVIDIA官网下载适合本机显卡的驱动程序安装。

CUDA和cuDNN

根据TensorFlow官网要求，要确保GPU功能可用，还需安装CUDA和cuDNN库，官网提供了经过验证的对应版本。
在这里插入图片描述

但由于本文安装的是TensorFlow v2.10，未在表中列出，因此尝试使用conda安装最新版本的CUDA和cuDNN库。
在gpflow_env虚拟环境中，输入以下命令，安装了CUDA v12.0.0

conda config --append channels conda-forge
conda install cudatoolkit

输入以下命令，安装cuDNN v12.0.0

conda install cudnn

安装TensorFlow

使用conda安装TensorFlow库，安装了v2.10版本

conda install tensorflow

确保TensorFlow的GPU可用

TensorFlow还可以使用GPU加速计算，因此在gpflow_env虚拟环境中使用下面命令，测试其GPU功能是否能使用。

python
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

输出如下：

Num GPUs Available:  0
2023-11-20 18:16:21.583531: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2023-11-20 18:16:21.588117: I tensorflow/core/common_runtime/process_util.cc:146] Creating new thread pool with default inter op setting: 2. Tune using inter_op_parallelism_threads for best performance.
tf.Tensor(473.1806, shape=(), dtype=float32)

这表明TensorFlow未使用GPU，仅仅使用了CPU。也就是说，当前环境下，GPU不可用。

安装TensorFlow-GPU

使用pip安装tensorflow-gpu v2.10

pip install tensorflow-gpu==2.10

安装TensorFlow Probability

按照GPflow官方文档的要求，需要安装TensorFlow Probability对应版本tensorflow-probability v0.18。但是在conda上，Windows环境下，最高只有v0.14版本的包。

conda search tensorflow-probability

因此需要采用pip安装。

pip install tensorflow-probability==0.18

在这里插入图片描述

安装GPflow

由于conda上的最新GPflow版本为 v2.5.2，版本较老，而最新的GPflow版本为v2.9.0，所以选择用pip安装最新版本gpflow v2.9.0。

pip install gpflow

至此，GPflow安装完成。

测试

GPflow是以TensoFlow为基础的包，因此先测试TensorFlow是否正确安装，再测试GPflow。

测试TensorFlow

在gpflow_env虚拟环境中，依次输入以下命令，不报错，即为成功安装。

python
import tensorflow as tf

测试TensorFlow的GPU是否可用

安装完成后，在gpflow_env虚拟环境中使用下面命令，测试其GPU功能是否能使用。

python
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

输出如下

Num GPUs Available:  1
2023-11-20 20:08:56.973624: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2023-11-20 20:08:57.731470: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1616] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 1430 MB memory:  -> device: 0, name: NVIDIA GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1
tf.Tensor(-89.27661, shape=(), dtype=float32)

GPU功能可以正常使用。

测试GPflow

在gpflow_env虚拟环境中，依次输入以下命令，不报错，即为成功安装。

python
import gpflow

参考资料

nvidia-smi显示不是内部或外部命令也不是可运行的程序
tensorflow官网
TensorFlow超极简安装——GPU版本的安装和测试
TensorFlow2 安装官方推荐的环境配置 (GPU)、(Anaconda、CUDA、cuDNN)
从0安装tensorflow-gpu
使用 pip 安装 TensorFlow
GPflow 2.9.0 documentation
使用 GPU
【Python】11 Conda常用命令