機械学習用のTensorFlowのバージョンによる違いを知りたい

Question

こんにちは

GPU対応のTensorFlowを導入しようと考えています。
私が現在、使用しているノートパソコンにはGeForce 820Mが搭載されています。GPU性能としてはあまり高くないため、古いバージョンのCUDA toolkit8.0はインストールできそうです(https://en.wikipedia.org/wiki/CUDA 参照）。CUDA toolkit8.0をしようするため、最新のTensorFlowが使えず、r1.0 (2017年)のバージョンを導入しようと考えています。（もう少し新しいバージョンで良いものがあればいいのですが）

お伺いしたいのは２点であり、片方でも構いません。
・Geforce 820Mのような古いバージョンにCUDA toolkit8.0が対応しているのか、公式の文献で書いてある部分を知りたく思います。
・TensorFlowの機能などで大幅に変化した個所はどのような部分でしょうか？深層学習を行いたいのですが、最新版だけの利点や、マイナーバージョンでの注意点を教えていただけると幸いです。
（行いたい深層学習は画像をCNNで認識し、RNNによって画像のコンテクストを理解し、特定の評価値を出力するようなプログラムを作成しようと思っています。)

もし、私の環境でCUDA8.0を導入できる場合、TensorFlowを使えるように関連するパッケージを導入し、
pip install tensorflow-gpu==1.0　のようにバージョンを指定してTensorFlowをpipで導入することを考えています。

質問以外のカ所にもご指摘いただけるとありがたく思います。

どうぞ、よろしくお願いを致します。

Answer 1

Geforce 820Mのような古いバージョンにCUDA toolkit8.0が対応しているのか、公式の文献で書いてある部分を知りたく思います。

CUDA8.0のドキュメントによりますと、820MすなわちFermiアーキテクチャはdeprecated:非推奨 となってます。使えないってわけじゃないけど... https://docs.nvidia.com/cuda/archive/8.0/cuda-compiler-driver-nvcc/index.html#virtual-architecture-feature-list

Comments

[yuChem]

ご回答ありがとうございます。
推奨されないということですので、一度、検討したいと思います。
まずは、深層学習のフレームワークを利用したプログラムの作成ははじめてですので、作成したプログラムをCPUのみで計算させてどのくらいの時間がかかるのか試してみようと思います。

[episteme]

あとCUDAだけでなくcuDNNのバージョンも絡んでくるはず。