基于CUDA的Theano GPU加速环境配置 GPU没有反应.求解答
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于CUDA的Theano GPU加速环境配置 GPU没有反应.求解答相关的知识,希望对你有一定的参考价值。
参考技术A 在PC的DIY时代,我们总是首先会问你的CPU是什么。即使不需要DIY的笔记本,我们也总是在了解完品牌之后,第一个需要了解的就是CPU。有时候甚至是先了解CPU。在将来的某一天,我们是否会问“你的GPU是什么?” 前两天我写了博客,题为《英特尔不能暴力到这个地步》。英特尔和微软联手制造的这个丑闻中,凸显了英特尔在事件上表现出来的在显示方面的弱势,它的915芯片组无法满足vista的硬件需求。 不管是从我们应用的任何一个角度(包括操作系统、3D应用、游戏、视频等等),PC的视觉应用都将成为主流,并且这是一个必然趋势。 这些所有的视觉应用,都取决于你的显卡。其中,GPU就是显示卡的“心脏”。 GPU英文全称Graphic Processing Unit,中文翻译为“图形处理器”。GPU是相对于CPU的一个概念,由于在现代的计算机中(特别是家用系统,游戏的发烧友)图形的处理变得越来越重要,需要一个专门的图形的核心处理器。GPU决定了该显卡的档次和大部分性能,同时也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力,称为“软加速”。3D显示芯片是将三维图像和特效处理功能集中在显示芯片内,也即所谓的“硬件加速”功能。显示芯片通常是显示卡上最大的芯片(也是引脚最多的)。现在市场上的显卡大多采用NVIDIA和ATI两家公司的图形处理芯片。 之前用户在进行PC DIY的时候,CPU是首要考虑要素。但目前的情况是,升级CPU在提升整机性能方面收获越来越小,CPU已经不是制约PC性能的关键;用户对游戏、高清视频使用的越来越多,对GPU(图形处理器)的要求越来越高,用户越来越多的关注显卡在整机中的配置。相关数据表明,相比集成显卡,独立显卡的增长速度表现明显。 那么,GPU会取代CPU,成为主导PC未来的核心动力吗? GPU诞生于1999年。当时,NVIDIA发布了首款GeForce系列GPU,开创了图形芯片的一个新时代。在此之前,计算机的核心处理器体系结构一直受控于英特尔。按照英特尔的规划,计算机的所有功能都应被集成到一个平台上,由主司计算的CPU来完成所有数据处理工作。GPU的出现打乱了英特尔的构想,这相当于为PC额外设置了一个除了CPU之外、专司图像数据处理的“大脑”。 GPU和CPU的所有恩恩怨怨,其实都是3D惹的祸。如果说当年的3D软加速是CPU干了GPU的活儿,那物理加速卡的出现就是GPU抢了CPU的饭碗。GPU可以有效地执行多种运算,从线性代数和信号处理到数值仿真。访问GPU计算功能的便利性也使得GPU的演变将继续下去,不仅仅作为绘制引擎,而是会成为个人电脑的主要计算引擎。 面对3D等迅猛发展趋势,英特尔之类的集成显卡的主要厂商,在面对新应用、新需求时能力不足、反应更不足。比如这一次的915事件,索然英特尔收购了原ATI的部分人员,但没有技术积淀,还是爆出了丑闻。英特尔要开发GPU也不是秘密,并且代号已经确认为Larabee,预计在今年后半年推出。但是这个Larabee,实际上还是基于CPU的计算模式,CPU是串行计算,GPU是并行计算,所以也很难让人有多少期待。相比较而言,NVIDIA之类的全球视觉计算的行业领袖们,却要嗅觉灵敏的多,其专业性也被充分看好。 GPU和CPU之间的恩恩怨怨,验证了《三国演义》开篇的那句话,“天下大势,分久必合,合久必分”。从长远看,分工协作应该是大趋势。从以往的历史看,CPU显然无法取代GPU,有专家认为晶体管数量更为庞大的GPU有一天可能兼有CPU的功能,刘兴亮认为可能性也不大。只不过将来的某一天,GPU可能会代替CPU,成为主导PC未来的核心动力。Windows 10下安装配置Caffe并支持GPU加速(改)
基本环境
建议严格按照版本来
- Windows 10
- Visual Studio 2013
- Matlab R2016b
- Anaconda
- CUDA 8.0.44
- cuDNN v4
1. 安装CUDA 8.0
安装完后,程序会自动地添加一个CUDA_PATH的环境变量:
2. 下载cuDNN
下载前需要在Developer网上注册一个号,简单填一填基本材料即可。
下完就是一个压缩包,也没办法安装的,压缩包里面有三个文件,分别是bin,include,lib,把它们解压,得到一个叫cuda的文件夹。
3. 从Microsoft的Github中下载Caffe的源码
注意了,一般来讲Windows配置Caffe是比较困难的,原因就在于caffe包不能去正常的官网下载,这个微软caffe真是给我们省了不少的麻烦,所以,强调一下,去这个链接下载Caffe源码的压缩包!
https://github.com/Microsoft/caffe
下载完后,解压文件,得到一个叫caffe-master的文件夹。
4. 安装Caffe
4.1 打开caffe-master文件夹,然后看到一个windows文件夹,然后继续打开windows文件夹,看到里面一个CommonSettings.props.example文件,复制出来一份,并改名字为CommonSettings.props。
4.2 用Visual Studio 2013打开windows文件夹下的Caffe.sln,检查解决方案中的项目,重点看libcaffe和test_all是否成功地被导入。
如果这两个没有成功导入,原因是Visual Studio 2013的安装路径中缺少CUDA 8.0.props(或者是你的版本号在CommonSettings.props写错了),我的是这个路径
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations
其实CUDA 8.0.props就在cuda的安装目录下,我的路径是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions
只要拷贝到
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations
就行,那么libcaffe和testall就都没问题了!(以上解决方法属于引用,博主实际是导入了这两个项的。)
4.3 设置libcaffe为启动项目
方法是右键libcaffe,选择设为启动项目。
4.4 打开解决方案中的CommenSetting.probs,在CuDnnPath那里把存放解压的cudnn出来的文件夹cuda的目录路径放到其中去。(比如我这里是装在F:\Windows+Caffe下面)
也就是说从cudnn-7.5-windows7-x64-v5.1-rc.zip解压出cuda文件夹,假设位置在F:\Windows+Caffe下,那么CuDnnPath设置为F:\Windows+Caffe。这是因为程序中会自动给你加上cuda,例如(CuDnnPath)\cuda\lib\x64;$(LibraryPath)。因此你需要做的就只是指定它的上级目录。
4.5 解决方案配置设为release
4.6 选择菜单中的DEBUG->libcaffe Properties...
此处需要修改两个地方,分别是配置属性中的常规和C/C++中的常规,如下图所示
4.7 开始编译
漫长的等待… … …
直到编译成功,lucky boy,我这儿跳出这个提示,暂时没有去理他,反正没有出错就先这样吧
4.8 查看战利品
caffe_master文件夹下应该生成了一个名为Build的文件夹,以后编译的成功和运行需要的文件都会存放在..\build\X64\Relase下面。
至此,说明’libcaffe’已经成功地编译完啦。
5. 编译caffe
在Visual Studio 2013的解决方案上面右击选择属性(properties)
可以看到原来的是单项目启动,编译libcaffe,那么现在我们选择编译caffe,也可以选择更多的任务来编译。
开始编译,漫长的等待… … …后,也就编译成功啦!可以去看看战利品。
Windows10下安装配置Caffe并支持GPU加速
本文用到的安装材料:百度网盘
原文是在windows7系统配置环境,matlab2016a,cuda是7.5.
我的差异;win10,matlab2016b,cuda8.0.结果是成功的
以上是关于基于CUDA的Theano GPU加速环境配置 GPU没有反应.求解答的主要内容,如果未能解决你的问题,请参考以下文章
Keras学习环境配置-GPU加速版(Ubuntu 16.04 + CUDA8.0 + cuDNN6.0 + Tensorflow)
深度学习环境配置- win10+Anoconda3-2.4.0+cuda8.0+TensorFlow-GPU+Pycharm2016测试Demo-GPU加速