딥러닝 환경 구축

1. Anaconda 설치 anaconda는 theano가 필요로 하는 기초 환경을 집합한다.anaconda2는python2로 컴파일되며,pydot (theano에 필요한 그림 그리기 패키지) 를 지원할 수 있으며,anaconda3은python3로 컴파일되며,pydot를 지원할 수 없습니다.
2. theano,keras 설치

(1) theano After installing Anaconda, in a terminal execute this command to install the latest Theano release:

$ pip install Theano

If you want the bleeding edge version instead execute this command:

$ pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git

설치가 성공했는지 확인하십시오:python에 import theano를 입력하십시오. import keras가 아무것도 보이지 않으면 맞습니다.import theano가 잘못 보고되면 bleeding edge version을 설치해 보십시오. (최신이지만 안정적인 버전은 아닙니다.)

(二)pydot와graphviz

1.mac에서 이 명령으로pydot와graphviz를 설치해야 합니다. 그렇지 않으면 pip install pydot이나conda install pydot를 설치한 후에도 pydot를 찾을 수 없습니다.centos에서도 가능할 것 같습니다.

conda install --channel https://conda.anaconda.org/RMG graphviz
conda install --channel https://conda.anaconda.org/RMG pydot

2.ubuntu 아래: 1의 명령이 실행된 후에 다음 명령을 실행하면 됩니다

sudo apt-get install python-pydot

(3)keras

pip install keras

3. GPU 연산 1.cuda 설치(1) 홈페이지에서 cuda sdb 설치 패키지 설치 명령을 다운로드하면 다음과 같다.

sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb`
sudo apt-get update`
sudo apt-get install cuda`

(2) 영구 환경 변수 (~/. bashrc로 설정하면 안 되고 nvcc를 찾을 수 없음 알림): cd에서/etc로,sudo gedit profile로 프로필을 열고, 마지막 (즉 일부 댓글에서 말하는 '적당한 위치') 에 추가

export PATH=$PATH:/usr/local/cuda-7.5/bin
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:/lib

(3) 사용자 디렉토리에서 새로 만듭니다.theanorc 프로필, CPU 대신 GPU로 연산 설정: 새 프로필

sudo vi ~/.theanorc
      ：
[global]
floatX=float32
device=gpu
[nvcc]
fastmath = True

(4) 테스트 코드:

from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in xrange(iters):
    r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print('Used the cpu')
else:
    print('Used the gpu')

출력에 used the gpu가 표시되면 모든 것이 정상적임을 증명합니다.4. 용형의 사심 없는 헌신에 감사 드립니다!

이 내용에 흥미가 있습니까?

현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:

다양한 언어의 JSON

JSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...

텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.

CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.

딥러닝 환경 구축 - keras+GPU

좋은 웹페이지 즐겨찾기