Theano(Deep Learning Tool) 利用GPU来进行加速的配置及使用

标签：style   http   io   ar   os   使用   sp   for   on   

最近使用Theano写了MLP和CNN的程序，由于训练样本大，单靠CPU运算速度so slow；于是乎找到了一台有NAIVID显卡的电脑进行了GPU的配置使用，期间遇到很多问题，记录如下：

平台说明：

系统：WindowsXP

Python：2.7, 建议直接使用 Python(x,y)，包含了Theano需要的Numpy等库，省去自己配置

Theano: 0.6

CUDA：3.0

1 下载

下载安装Theano： easy_install theano

下载CUDA： 从http://www.nvidia.cn/object/cuda_get_cn_old.html 下载驱动、工具包、软件开发包，按顺序安装

注：同学们最好直接下载3.0版的，我最早下的2.3版本，但发现Theano的CUDA模块对2.3的支持很差很差，改了..\theano\sandbox\cuda\下.cu里面的很多代码，比如cudaMemGetInfor（为3.0版本的接口，2.3为cuMemGetInfor，详细见http://stackoverflow.com/questions/7386990/cuda-identifier-cudamemgetinfo-is-undefined），最终编译没错了，但出现了很难处理的link bug。最终改用3.0后，只改了小部分的代码就成功运行（怎么改请见后面说明）。

2 配置

打开theano的配置文件（一般在用户文件夹的根目录，例如C:\Documents and Settings\Administrator\，名为.theanorc.txt）添加以下配置

[nvcc]

flags=-LC:\python27\libs

compiler_bindir=C:\program Files\Microsoft Visual Studio 9.0\VC\bin

注：2.3版本的只支持MSVC8.0和MSVC9.0

然后import theano.sandbox.cuda进行初测，成功后进行下面的配置

[global]

device = gpu

floatX = float32

最后run theano/misc/check_blas.py来进行测试，或者直接import theano ; theano.test()

3 遇到的问题

1 class “cudaDeviceProp” have no conponent of named "concurrentKernels"

跟进cuda_ndarray.cu，在2796行附近有

#if CUDART_VERSION >= 3000
  put_in_dict(dict, "concurrentKernels", deviceProp.concurrentKernels);
#endif

在C:\CUDA下找到cudaDeviceProp的类，看到里面并没有concurrentKernels，虽然vision是3.0的

解决方案：注释掉上面的部分即可

2  fatel error C1083:无法打开包括文件:stdint.h: No such file or directory

解决方法：

去googlecode下载http://msinttypes.googlecode.com/files/msinttypes-r26.zip，解压后会得到三个文件，把inttypes.h和stdint.h放到vc的include目录就可以了。

我安装的是VS2008，安装到的默认位置，因此include的路径就是：
C:\Program Files\Microsoft Visual Studio 9.0\VC\include

3 如何查看GPU状态

下载GPUZ即可

最后成功运行，虽然这台带有NVIDIA的机器很老很老了，但有了GPU的加速，比在我Y470上跑速度快N倍。

GPU，很好很强大。

Theano(Deep Learning Tool) 利用GPU来进行加速的配置及使用

标签：style   http   io   ar   os   使用   sp   for   on   

原文地址：http://blog.csdn.net/lanbing510/article/details/41774619