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')
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...