本文将具体介绍深度学习之cuda的环境搭建

工具:支持CUDA的显卡(安装cuda6.5),VS2013。Anaconda。

步骤:

1.安装cuda6.5

这个不具体介绍,网上有很多文章。注意选择你相应的系统(我的是windows8.1 64位版,Desktop是台式机,Notebook是笔记本。事实上选错了你也安装不上)

下载cuda6.5官方网址 https://developer.nvidia.com/cuda-toolkit-65

cuda6.5是傻瓜安装,最好不要改动它的默认文件路径。

完毕后打开命令提示符输入nvcc -V然后回车,如图。

在WindowsVista, Windows 7, Windows 8, Windows Server 2003, and Windows Server2008平台上:能够打开下列.exe文件查看是否安装完毕。

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.5\bin\win64\Release

假设CUDA安装正确。则全部案例都是可以执行的

完毕安装后重新启动一下电脑

2.安装Anaconda

我选的版本号是1.8,由于最新的版本号没有MinGW目录

Anaconda百度云链接:http://pan.baidu.com/s/1qWN06qK password:44st

或者去官方网址https://repo.continuum.io/archive/index.html。找到Anaconda-1.8.0-Windows-x86_64.exe

(依据自己的系统选择对应的版本号下载)

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" height="555" width="444">

下载完毕后安装,傻瓜式安装。

下载theano的zip文件:https://github.com/Theano/Theano 。网址打开后右边有个Download Zip选项,

下载完毕后解压将里面的theno文件拷贝到D:\deep\Anaconda\Lib\site-packages下(这一步是看网上弄的。以下要把theano这个目录删掉,不知道需不须要,以防万一还是做一遍吧)

加入环境变量path(注意是英文的分号):D:\deep\Anaconda\MinGW\bin;

                               D:\deep\Anaconda\MinGW\x86_64-w64-mingw32\lib;

新建环境变量:  PYTHONPATH:

D:\deep\Anaconda\Lib\site-packages\theano

4.配置.theanorc.txt文件

在Home文件夹(不知道能够打开命令提示符,如我的Home文件夹是C盘->用户->Xu)

新建一个名为.theanorc的txt文件,里面输入

[blas]
ldflags =
[gcc]
cxxflags = -ID:\Anaconda\MinGW
[nvcc]
fastmath = True
flags=-LD:\Anaconda\libs
compiler-bindir=C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin
base_compiledir=path_to_a_directory_without_such_characters
[global]
floatX = float32
device = gpu

保存

加入环境变量Path:D:\deep\Anaconda\Scripts

5.安装theano

将上一步的theano目录(即D:\deep\Anaconda\Lib\site-packages\theano)删除。

打开命令提示符。输入pip install theano回车(注意空格),然后它会自己主动安装,注意保持网络畅通

稍等片刻就可以自己主动安装上最新版的Theano深度学习框架。这时可到D:\deep\Anaconda\Lib\site-packages下查看是否已经有theano和Theano-0.7.0-py2.7.egg-info两个目录,若有则表明已经成功安装。普通情况下,这一步不会出错。非常easy操作。

6.改动.theanorc.txt文件

终于版.theanorc.txt文件百度云链接:http://pan.baidu.com/s/1kDzyu password:5ubd

或者将下面内容复制粘贴,我也不知道里面是些啥东西。

[blas]

ldflags=



[gcc]

cxxflags = -ID:\deep\Anaconda\MinGW(注意选择自己的路径)



[nvcc]

fastmath = True

flags=-LD:\deep\Anaconda\libs(注意选择自己的路径)

compiler_bindir=D:\vs2013\VC\bin(注意选择自己的路径。你的可能是C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin

flags =  -arch=sm_30

base_compiledir=path_to_a_directory_without_such_characters



[global]

openmp = False

floatX = float32

device = gpu

allow_input_downcast=True

7.測试

检查theano是否配置成功,打开命令提示符,输入python回车。再输入import theano回车,

若没有其它错误信息输出这表明theano配置正确。例如以下图所看到的。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" height="233" width="444">

在Anaconda目录下会有一个名为Spyder的软件,它长这样,假设没有能够搜索。

在里面输入

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 = 10000 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' % iters, t1 - t0, 'seconds'
print 'Result is', 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'

配置成功后会显演示样例如以下

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" height="800" width="888">

最终完了,接下来要学习深度学习的人脸识别方面内容。希望有这方面学习资料的朋友告诉在下一下。

參考文档:

http://blog.csdn.net/m624197265/article/details/45700619

http://blog.csdn.net/baigoocn/article/details/36188029

https://github.com/zzbased/memo/blob/master/anaconda+theano+cuda+vs2012%E7%BC%96%E7%A8%8B%E7%8E%AF%E5%A2%83%E6%90%AD%E5%BB%BA.md

深度学习-theano-windows -cuda-环境搭建的更多相关文章

  1. 深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动

    前几天把刚拿到了2台GPU机器组装好了,也写了篇硬件配置清单的文章——<深度学习(TensorFlow)环境搭建:(一)硬件选购和主机组装>.这两台也在安装Ubuntu 16.04和108 ...

  2. 深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

    紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把N ...

  3. 深度学习(TensorFlow)环境搭建:(一)硬件选购和主机组装

    一.硬件采购 近年来,人工智能AI越来越多被人们所了解,尤其是AlphaGo的人机围棋大战之后,机器学习的热潮也随之高涨.最近,公司采购了几批设备,通过深度学习(TensorFlow)来研究金融行业相 ...

  4. 【深度学习】PyTorch CUDA环境配置及安装

    Pytorch版本介绍 torch:1.6 CUDA:10.2 cuDNN:8.1.0 安装 NVIDIA 显卡驱动程序 一般 电脑出厂/装完系统 会自动安装显卡驱动 如果有 可直接进行下一步 下载链 ...

  5. ubuntu 深度学习cuda环境搭建,docker-nvidia 2019-02

    ubuntu 深度学习cuda环境搭建 ubuntu系统版本 18.04 查看GPU型号(NVS 315 性能很差,比没有强) 首先最好有ssh服务,以下操作都是远程ssh执行 lspci | gre ...

  6. 【CUDA 基础】0.0 腾讯云CUDA环境搭建

    title: [CUDA 基础]0.0 腾讯云CUDA环境搭建 categories: CUDA Freshman tags: CUDA 环境搭建 toc: true date: 2018-02-13 ...

  7. Hadoop学习笔记(3)——分布式环境搭建

    Hadoop学习笔记(3) ——分布式环境搭建 前面,我们已经在单机上把Hadoop运行起来了,但我们知道Hadoop支持分布式的,而它的优点就是在分布上突出的,所以我们得搭个环境模拟一下. 在这里, ...

  8. Windows GTK+ 环境搭建(详解)

    来源:http://blog.sina.com.cn/s/blog_a6fb6cc901017ygy.html Windows GTK+ 环境搭建 最近要做界面的一些东西,但是对微软提供的类库MFC不 ...

  9. 【神经网络与深度学习】【CUDA开发】caffe-windows win32下的编译尝试

    [神经网络与深度学习][CUDA开发]caffe-windows win32下的编译尝试 标签:[神经网络与深度学习] [CUDA开发] 主要是在开发Qt的应用程序时,需要的是有一个使用的库文件也只是 ...

  10. 【神经网络与深度学习】【CUDA开发】【VS开发】Caffe+VS2013+CUDA7.5+cuDNN配置过程说明

    [神经网络与深度学习][CUDA开发][VS开发]Caffe+VS2013+CUDA7.5+cuDNN配置过程说明 标签:[Qt开发] 说明:这个工具在Windows上的配置真的是让我纠结万分,大部分 ...

随机推荐

  1. ubuntu15.04安装 RVM

    首先,请参考这篇文章 https://ruby-china.org/wiki/rvm-guide RVM 官方网站 https://rvm.io/ 1 由于现在很多网站都转向https链接,所以,根据 ...

  2. C#readonly 关键字与 const 关键字的区别

    1. const 字段只能在该字段的声明中初始化,readonly 字段可以在声明或构造函数中初始化.因此,根据所使用的构造函数,readonly 字段可能具有不同的值. 2. const 字段是编译 ...

  3. Bzoj4899 记忆的轮廓

    B. 记忆的轮廓 题目描述 通往贤者之塔的路上,有许多的危机.我们可以把这个地形看做是一颗树,根节点编号为1,目标节点编号为n,其中1-n的简单路径上,编号依次递增,在[1,n]中,一共有n个节点.我 ...

  4. Try, throw和catch用法

    PHP 5 提供了一种新的面向对象的错误处理方法. 使用思路如下: 1.Try - 使用异常的函数应该位于 "try" 代码块内.如果没有触发异常,则代码将照常继续执行.但是如果异 ...

  5. 性能测试培训day2

    上节课 性能测试,多线程.协议.场景 实施:1,脚本开发 运行  排错(看回放,然后view-test_results,看业务) 参数化.关联.检查点.事务.思考时间.集合点 参数化:不做参数化的话, ...

  6. PCB中贴片元器件的引脚规范(allegro)

    表贴的芯片一个引脚焊盘的宽度: 当芯片引脚间的间距>=26mil时,计算公式是(脚宽度+8mil) 当芯片引脚的间距<26mil时,计算公式是(引脚间距/2+1) 表贴的芯片一个引脚焊盘的 ...

  7. 找到多个与名为“Home”的控制器匹配的类型。

    原因分析 其实上面已经讲的很清楚了,找到了两个同名Home控制器,需要配置命名空间来区分. 解决方法 方法一:修改RouteConfig.cs 方法二:修改RouteConfig.cs 和 Admin ...

  8. 立方体 反射 CubeMap

    立方体反射(CubeMap) 在虚拟环境中,我们需要模拟材质球反射周围的环境,立方体反射正是让材质球反射出天空盒的背景的方法之一. 原理 当我们观察物体时,物体表面足够光滑,再视线方向和物体相交的点上 ...

  9. java中检测-在运行时指定对象是否是特定类的一个实例---关键字 instanceof

    java 中的instanceof 运算符是用来在运行时指出对象是否是特定类的一个实例.instanceof通过返回一个布尔值来指出,这个对象是否是这个特定类或者是它的子类的一个实例. if(requ ...

  10. 【转】 Java中的IO整理

    写在前面:本文章基本覆盖了java IO的全部内容,java新IO没有涉及,因为我想和这个分开,以突出那个的重要性,新IO哪一篇文章还没有开始写,估计很快就能和大家见面.照旧,文章依旧以例子为主,因为 ...