Theano裡配置GPU的新方法

2021-07-05 12:48:22 字數 1607 閱讀 7569

這幾天在研究pylearn2,裡面有要用到gpu,之前一直很疑惑:明明顯示卡是支援cuda的,cuda也成功安裝了,也可以檢測得到gpu,為什麼在python程式裡面就是沒法運用gpu

執行下面這個檢測程式

# -*- coding: utf-8 -*-

"""created on tue sep 29 08:09:11 2015

@author: administrator

"""import theano

import theano

from theano import function, config, shared

import theano.tensor as t

import numpy

import time

vlen = 10 * 30 * 768 # 10 x #cores x # threads per core

iters = 100

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 theano.config.device

print("result is %s" % (r,))

if numpy.any([isinstance(x.op, t.elemwise) for x in f.maker.fgraph.toposort()]):

print isinstance(x.op, t.elemwise)

print('used the cpu')

else:

print('used the gpu')

顯示的也是cpu

因此,我只能懷疑是.theanorc.txt的配置出了問題,好在還有另外一種方式來配置gpu,那就是設定如下的環境變數

裡面的具體內容為:

nvcc.compiler_bindir=e:\\microsoft visual studio 12.0\\vc\\bin,base_compilerdir=path_to_a_directory_without_such_characters,floatx=float32,device=gpu,nvcc.fastmath=true,nvcc.flags=-le:\\anaconda\\libs,gcc.cxxflags = -ie:\\anaconda\\mingw,blas.ldflags=,flags =  -arch=sm_30 

nvcc fatal:cannot find compiler 'cl.exe' in path

再在path裡面加入cl.exe的路徑,這樣就配置完成了,在cmd裡面執行一下

大功告成!

Eclipse裡Jboss的配置

1.workspace metadata plugins org.eclipse.wst.server.core servers.xml 修改 start timeout,避免出現jboss未啟動已被終結。2.jboss主頁的修改,可以自動跳轉到當前工程主頁。server default deplo...

docker容器使用gpu的環境配置

在docker中使用gpu,必須在建立容器時開啟 gpus引數,並保證docker的版本在19.03以上。宿主機中建立檔案 vi nvidia container runtime script.sh 新增以下內容,更新nvidia container runtime安裝包 sudo curl s l...

VMWARE虛擬化環境下對GPU的配置說明

設計部門的同事開始對虛擬化是一種很複雜的心情,羨慕嫉妒虛擬化易於管理的好處,但又對3d差距的呲之以鼻。希望在保證高效能 3d 顯示效果的同時,享受到虛擬桌面的便捷 安全 穩定等等好處。vmware 針對 3d 顯示,提供了 3 種不同的圖形加速技術,分別是 software 3d vsga 和 vd...