theano+CUDA安装与配置

  为了加深对深度学习算法的理解,打算跑一下几个经典的算法。LISA实验室有一个Python库Theano封装了常用的优化算法,用着非常方便。但是之前不了解Python,打算一点一点摸索。

  下面说一下这两天搭建平台的过程,当然其中遇到了不少问题,但最后还是成功实现gpu运算。

  首先要安装theano。theano的安装非常麻烦,因为其需要许多附属工具包,幸运的是,现在有许多开源的python平台已经集成好了这些常用的附属包。我使用的是AnacondaCE,下载安装后,再安装Windows installer for Theano on AnacondaCE for
Windows
。安装完后,需要在主目录(cmd默认路径)下创建.theanorc.txt文件(内容在结尾处,可以在安装CUDA后再创建)。至此theano
安装完成。(细节可参考-->这里

  但是如果现在直接使用泰和安哦、进行计算的话,其使用的是CPU,为了能获得更强大的计算能力,应该使用GPU。

  接下来就是安装CUDA。

  安装CUDA的过程遇到了许多问题,大部分时间都花在找驱动上了(..--..).安装CUDA,需要三个部分包括:显卡驱动,CUDAtoolkitCUDAsdk。其中显卡驱动需要根据自己的显卡型号来安装,最好是较新的驱动。CUDA toolkit 以及CUDA
sdk 都可以在官网上下载到。然后依次安装即可。(细节参考-->这里)

  最后的结果如下:

  .theanorc.txt的内容:

  

同时可以参考这两篇博文:

http://www.cnblogs.com/samwang/p/3418666.html

http://blog.csdn.net/qiaofangjie/article/details/17172331

时间: 2024-11-09 01:56:22

theano+CUDA安装与配置的相关文章

CUDA安装及配置:Windows 7 64位环境

最近又有新的项目要做了,这次是关于CUDA---多核高性能计算的问题,所以最近一直在学习CUDA的编程问题,昨天安装软件完毕,运行第一个程序的时候还是遇到很多问题.所以这里给大家一起分享一下, 有和我一样初学CUDA的同志一起来吧. 安装 你需要的软件有四种: 其中,cuda的devdriver是不用安装的,当然,你可以下载最新版本安装一下. 然后就是下载,注意,你下载的所有的软件和你计算机上的VS所用的位数要匹配,例如,我的手提是64位的,VS也是64位的,所以我下载的软件都是64位的.(如果

手把手教你搭建深度学习平台——避坑安装theano+CUDA

python有多混乱我就不多说了.这个混论不仅是指整个python市场混乱,更混乱的还有python的各种附加依赖包.为了一劳永逸解决python的各种依赖包对深度学习造成的影响,本文中采用python的发行版Anaconda. Step1 安装Anaconda 这里不建议使用python3.4以后的Anaconda版本,因为太新的版本(python3.5)不支持python/matlab混合编程.所以为了以后方便,建议使用python2.7的Anaconda版本.Anaconda安装完成后,n

[theano]安装-python theano cuda

I want to learning deep learning, so config cuda is a essential step. luckily it is very easy in Ubuntu install theano+cuda in ubuntu 1. install theano a) sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ libopenbla

CUDA 6.0 安装及配置( WIN7 64位 / 英伟达G卡 / VS2010 )

前言 本文讲解如何在VS 2010开发平台中搭建CUDA开发环境 当前配置: 系统:WIN7 64位 开发平台:VS 2010 显卡:英伟达G卡 CUDA版本:6.0 若配置不一样,请勿参阅本文. 第一步 点击这里下载 cuda最新版,目前最高版本是6.0.下载完毕后得到 cuda_6.0.37_winvista_win7_win8.1_general_64.exe 文件. 第二步 运行安装程序,弹出安装过程中转文件路径设定框: 这个路径随便填无所谓,安装完后就会自动删除的,我就直接设置为默认的

在Ubuntu下安装、配置和测试cuda[复制]

在Ubuntu下安装CUDA要比在Windows下稍微复杂和费事一些,尤其对于平台和一些其他依赖软件包的安装上要求多些. Nvidia官方只提供了Ubuntu10.10下的CUDA的Toolkit,SDK,自己一开始是想在Ubuntu11.10上安装CUDA的,结果安装了编译时却出现很多错误并且提示gcc版本过高(Ubuntu11.10内核是2.6而默认安装编译的gcc是4.6的)后来重新又把gcc4.6卸载再装了gcc4.4.结果由于之前使用的是默认的Ubuntu开源的nvidia驱动,还是不

GPU 加速NLP任务(Theano+CUDA)

之前学习了CNN的相关知识,提到Yoon Kim(2014)的论文,利用CNN进行文本分类,虽然该CNN网络结构简单效果可观,但论文没有给出具体训练时间,这便值得进一步探讨. Yoon Kim代码:https://github.com/yoonkim/CNN_sentence 利用作者提供的源码进行学习,在本人机子上训练时,做一次CV的平均训练时间如下,纵坐标为min/CV(供参考): 机子配置:Intel(R) Core(TM) i3-4150 CPU @ 3.50GHz, 32G,x64 显

Deep Learning 学习总结(一)—— Caffe Ubuntu14.04 CUDA 6.5 配置

Caffe (Convolution Architecture For Feature Extraction)作为深度学习CNN一个非常火的框架,对于初学者来说,搭建Linux下的Caffe平台是学习深度学习关键的一步,其过程也比较繁琐,回想起当初折腾的那几天,遂总结一下Ubuntu14.04的配置过程,方便以后新手能在此少走弯路. 1. 安装build-essentials 安装开发所需要的一些基本包 sudo apt-get install build-essential 2. 安装NVID

windows下的DeepLearning环境搭建:Theano的安装

我的系统版本:windows8.1 64位 安装theano需要安装python.numpy等很多东西,为了简便,我这里用的是Anaconda 首先,清理电脑上的所有有关python的组件(可不清理,我没试过,但是清理之后会好一点)然后,将以前配置的关于python的环境变量删掉.从官网下载最新版的Anaconda http://www.continuum.io/downloads  然后安装,傻瓜式的下一步即可,可自由设置安装路径. 安装好后就该配置环境变量了: path:D:\Anacond

Caffe学习笔记(一)——Windows 下caffe安装与配置

本文主要介绍:经过一番周折,在Windows7 64位系统下成功配置Caffe,下面总结一下基本的配置过程,以及配置过程中遇到的问题. 配置环境:Windows7 X64 + CUDA7.0 + VS2013 + Matlab2014a 1.安装CUDA 1.1. 版本选择 至于版本的选择,安装7.5.7.0和6.5版本都可以,安装包网上到处可见,分享一个自己安装的版本:http://pan.baidu.com/s/1i5AmAZb 1.2 安装过程 CUDA安装过程以及与VS关联过程参考: h