【MatConvNet】配置GPU

参照大神的方法:http://www.th7.cn/system/win/201603/155182.shtml

第一步:需要安装cuda、VS2013;cuda默认路径,注意cuda版本和GPU要匹配

第二步:.下载cudnn,在matconvnet文件夹下建一个local文件夹,然后把cudnn放进去 (我改了文件名称为cudnn)

如图:

第三步:打开vl_compilenn.m,运行,等待编译结束

如图:

第四步把bin下的cudnn64_4.dll再复制到mex的文件夹下。

第五步:复制以下code到matlab命令窗,更改相应路径和文件夹名称,运行,等待编译结束。

vl_compilenn(‘enableGpu‘,true,‘cudaRoot‘,‘C:/Program
Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0‘,‘cudaMethod‘
,‘nvcc‘,‘enableCudnn‘,‘true‘,‘cudnnRoot‘,‘local/cudnn‘)

第六步:更改选项,opts.train.gpus= [1];   表示用GPU,[ ] 表示用CPU,千万别[0]

最后运行即可。

GPU和CPU对比

GPU:GTX 960M

CPU: I5 4200 HQ

时间: 2024-10-13 04:26:49

【MatConvNet】配置GPU的相关文章

Ubuntu配置GPU+CUDA+CAFFE

参考网站: http://blog.csdn.net/xizero00/article/details/43227019/ (主要参考) http://www.cnblogs.com/platero/p/3993877.html (caffe+cudaGPU) http://www.cnblogs.com/platero/p/4118139.html (cuDNN) http://developer.download.nvidia.com/compute/cuda/repos/ubuntu140

Ubuntu 非Root 用户安装Theano配置GPU

安装 Theano 配置GPU [原创]Liu_LongPo 转载请注明出处[CSDN]http://blog.csdn.net/llp1992 安装 Theano 该贴是经验贴,希望能够帮助到那些曾经跟我一样挣扎的人. 已经说了,是非Root用户,所以用不了 sudo ,才有这一系列的麻烦. 要安装 theano ,需要一些依赖项,详细可以参考博文: DeepLearning(一)最佳环境搭配与入门资料 如果没有 root 权限的话,源码安装这一大堆东西是相当麻烦的. 所幸,有这么个工具叫 a

Win10环境下安装theano并配置GPU详细教程

一.软件和环境 (1)安装日期2016/12/23: (2)原材料VS2013,cuda-8.0(最好下载cuda7.5,目前theano-0.8.2对cuda-8支持不是很好),Anaconda3-4.2.0(64位): (3)环境为win10. 二.安装步骤 (1)安装VS2013.这个没什么可说的,下载64位版本后就是一路下一步.确定就行,记住安装位置就可以了,我这里的安装目录是D:\software\VS2013: 接着右键我的电脑->属性->高级系统设置->环境变量,之后编辑系

Widows下Faster R-CNN的MATALB配置(GPU)

目录 1. 准备工作 2. VS2013编译Caffe 3. Faster R-CNN的MATLAB源码测试 说在前面,这篇是关于Windows下Faster R-CNN的MATLAB配置,GPU版本:CPU版本见:Widows下Faster R-CNN的MATALB配置(CPU): 相比较来说,CPU版本相对容易一些,因为涉及到GPU的计算,还需要配置CUDA以及CuDNN: 下面将分成三个部分进行介绍: 准备工作:下载caffe.faster rcnn源码.安装cuda.cudnn: VS2

在windows上Matlab 编译MatConvNet

windows 10 64 bits matlab 2015b/2016a MatConvNet 1.0-beta20 或者从github 下载GIT repository CUDA GPU Computing ToolKit 7.5 cudnn-rc4/cudnn-rc5 都按照官网http://www.vlfeat.org/matconvnet/ 配置好了之后, 编译命令 vl_compilenn('enableGpu', true, ... 'cudaRoot','C:\Program F

Matconvnet学习笔记

Introduction to Matconvnet MatConvNet是实现用于计算机视觉领域的卷积神经网络(CNN)的MATLAB工具箱.自从取得突破性工作以来,CNN在计算机视觉领域有一个重大影响,特别是图像理解,基本上取代了传统图像表示.有许多其他机器学习.深度学习和CNN开源库的存在.一些最受欢迎的:CudaConvNet ,Torch, Theano,Caffe等.MatConvNet是为研究人员提供一个尤其是友好和高效使用的环境,它其中包含许多CNN计算块,如卷积,归一化和池化等

从零到一:caffe-windows(CPU)配置与利用mnist数据集训练第一个caffemodel

一.前言 本文会详细地阐述caffe-windows的配置教程.由于博主自己也只是个在校学生,目前也写不了太深入的东西,所以准备从最基础的开始一步步来.个人的计划是分成配置和运行官方教程,利用自己的数据集进行训练和利用caffe来实现别人论文中的模型(目前在尝试的是轻量级的SqueezeNet)三步走.不求深度,但求详细.因为说实话caffe-windows的配置当初花了挺多时间的,目前貌似还真没有从头开始一步步讲起的教程,所以博主就争取试着每一步都讲清楚吧. 这里说些题外话:之所以选择Sque

转:ubuntu 下GPU版的 tensorflow / keras的环境搭建

http://blog.csdn.net/jerr__y/article/details/53695567 前言:本文主要介绍如何在 ubuntu 系统中配置 GPU 版本的 tensorflow 环境.主要包括: - cuda 安装 - cudnn 安装 - tensorflow 安装 - keras 安装 其中,cuda 安装这部分是最重要的,cuda 安装好了以后,不管是 tensorflow 还是其他的深度学习框架都可以轻松地进行配置. 我的环境: Ubuntu14.04 + TITAN

Hadoop 3.1.1 - Yarn - 使用 GPU

在 Yarn 上使用 GPU 前提 目前,Yarn 只支持 Nvidia GPU. YARN NodeManager 所在机器必须预先安装了 Nvidia 驱动器. 如果使用 Docker 作为容器的运行时上下文,需要安装 nvidia-docker 1.0(这是 Yarn 当前所能支持的版本). 配置 GPU 调度 在 resource-types.xml,添加如下配置 <configuration> <property> <name>yarn.resource-ty