딥러닝 환경 구축 - keras+GPU

2605 단어
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!

    좋은 웹페이지 즐겨찾기