近期在学习深度学习,需要在本机上安装keras框架,好上手。上网查了一些资料,弄了几天今天终于完全搞好了。本次是使用GPU进行加速,使用cpu处理的请查看之前的随笔keras在win7下环境搭建

本机配置:win7 64位的,4G内存,gtx970显卡

安装条件:  

  vs2010(不一定非要是vs2010,恰好我有vs2010,应该是配置GPU编程时需要用到vs的编译器)

  cuda如果系统是64位的就下载64位,至于cuda的版本,有的说要和对应的显卡版本匹配,我就安装了8.0,实验来看,cuda版本和显卡型号貌似关系不是很大。

  cudnn是深度学习进行加速的。不是必选,但是有的话以后运行效率会高很多。版本什么的一定要配套。

前面的过程和使用cpu计算是相同的。请参考之前随笔。keras在win7下环境搭建

之前的步骤处理完之后,

1 安装VS2010,只选择装C++语言就够。

2 安装cuda 安装Cuda8,安装的时候,选择“自定义安装”,安装全部功能,还有要安装到默认位置最好,安装很简单,可能需要点时间。

  安装完后,打开环境变量应该会多出来2个变量,CUDA_PATH_V6_5和CUDA_PATH.

  打开cmd控制台命令行,输入命令nvcc –V回车(注意是大写V)就可以查看版本信息,如果安装正确会显示Cuda的版本号。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sat_Sep__3_19:05:48_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44

3 修改配置.theanorc.txt,如下:

[global]
openmp=False
device = gpu0
floatX = float32
allow_input_downcast=True
[lib]
cnmem = 1
[blas]
ldflags=
[gcc]
cxxflags=-ID:\Anaconda2\MinGW  #此处是gcc的路径
[nvcc]
flags = -LD:\Anaconda2\libs  #此处是Anaconda的路径 
compiler_bindir = D:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin  #此处一定要和你安装的VS的路径保持一致,如果是默认安装的,应该是C:\Program Files(x86)\Microsoft Visual Studio 10.0\VC\bin
fastmath = True

注意:网上有的配置文件中没有[lib]这个块,后面导入theano时会出现CNMeM is disabled提示。

4 安装cudnn

  将下载来的文件解压,解压出cuda文件夹,里面包含3个文件夹。将设三个文件夹替换掉系统里面的对应文件,进行覆盖替换即可。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

注意:如果没有覆盖掉后面导入theano时会出现CuDNN not available提示。

5 切换后端,因为我用的是theano,而keras默认使用tensorflow。切换方法有英文资料

Switching from one backend to another

If you have run Keras at least once, you will find the Keras configuration file at:

~/.keras/keras.json

If it isn't there, you can create it.

The default configuration file looks like this:

{

"image_dim_ordering": "tf",

"epsilon": 1e-07,

"floatx": "float32",

"backend": "tensorflow"

}

Simply change the field backend to either "theano" or "tensorflow", and Keras will use the new configuration next time you run any Keras code.

照着做就行了。

6 此时正常来说应该就可以了,进行一下测试。测试代码如下

测试1,在cmd命令窗口下输入

>>> import theano
DEBUG: nvcc STDOUT nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' archite
ctures are deprecated, and may be removed in a future release (Use -Wno-deprecat
ed-gpu-targets to suppress warning).
nvcc warning : nvcc support for Microsoft Visual Studio 2010 and earlier has bee
n deprecated and is no longer being maintained
mod.cu
support for Microsoft Visual Studio 2010 has been deprecated!正在创建库 C:/Users/allen/AppData/Local/Theano/compiledir_Windows-7-6.1.7601-
SP1-Intel64_Family_6_Model_60_Stepping_3_GenuineIntel-2.7.12-64/tmp1wscvx/265abc
51f7c376c224983485238ff1a5.lib 和对象 C:/Users/allen/AppData/Local/Theano/compil
edir_Windows-7-6.1.7601-SP1-Intel64_Family_6_Model_60_Stepping_3_GenuineIntel-2.
7.12-64/tmp1wscvx/265abc51f7c376c224983485238ff1a5.expUsing gpu device 0: GeForce GTX 970 (CNMeM is enabled with initial size: 95.0% o
f memory, cuDNN 5005)

  

from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import timevlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000rng = 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 range(iters):r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (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')

DEBUG: nvcc STDOUT nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning).
nvcc warning : nvcc support for Microsoft Visual Studio 2010 and earlier has been deprecated and is no longer being maintained
mod.cu
support for Microsoft Visual Studio 2010 has been deprecated!���ڴ����� C:/Users/allen/AppData/Local/Theano/compiledir_Windows-7-6.1.7601-SP1-Intel64_Family_6_Model_60_Stepping_3_GenuineIntel-2.7.12-64/tmpmdncsl/265abc51f7c376c224983485238ff1a5.lib �Ͷ��� C:/Users/allen/AppData/Local/Theano/compiledir_Windows-7-6.1.7601-SP1-Intel64_Family_6_Model_60_Stepping_3_GenuineIntel-2.7.12-64/tmpmdncsl/265abc51f7c376c224983485238ff1a5.expUsing gpu device 0: GeForce GTX 970 (CNMeM is enabled with initial size: 95.0% of memory, cuDNN 5005)

[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.572000 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.299677611.62323296]
Used the gpu

如果显示使用GPU则一切正常。

win7上安装theano keras深度学习框架相关推荐

  1. 在Ubuntu上安装Keras深度学习框架

    目录 1)安装pip 2)安装Python科学套件 3)安装TensorFlow 4)安装keras 5)安装Jupyter Notebook 6)运行Keras 本文介绍如何在Ubuntu上安装Ke ...

  2. 采用keras深度学习框架搭建卷积神经网络模型实现垃圾分类,基于树莓派上进行实时视频流的垃圾识别源代码

    一.项目概述 简介:该垃圾分类项目主要在于对各种垃圾进行所属归类,本次项目采用keras深度学习框架搭建卷积神经网络模型实现图像分类,最终移植在树莓派上进行实时视频流的垃圾识别. 前期:主要考虑PC端 ...

  3. Keras深度学习框架配置

    北京 | 深度学习与人工智能研修 12月23-24日 再设经典课程 重温深度学习阅读全文> 正文共7349个字,49张图,预计阅读时间19分钟. 作者:周纵苇 微博:@MrGiovanni 邮箱 ...

  4. 28款GitHub最流行的开源机器学习项目,推荐GitHub上10 个开源深度学习框架

    20 个顶尖的 Python 机器学习开源项目 机器学习 2015-06-08 22:44:30 发布 您的评价: 0.0 收藏 1收藏 我们在Github上的贡献者和提交者之中检查了用Python语 ...

  5. Uber发布史上最简单的深度学习框架Ludwig!

    昨日,Uber官网重磅宣布新开源深度学习框架Ludwig,不需要懂编程知识,让专家能用的更顺手,让非专业人士也可以玩转人工智能,堪称史上最简单的深度学习框架! Ludwig是一个建立在TensorFl ...

  6. Keras 深度学习框架中文文档

    2019独角兽企业重金招聘Python工程师标准>>> Keras深度学习框架中文文档 Keras官网:http://keras.io/ Github项目:https://githu ...

  7. 重磅!Uber发布史上最简单的深度学习框架Ludwig!不懂编程也能玩转人工智能

    点击我爱计算机视觉标星,更快获取CVML新技术 昨日,Uber官网重磅宣布新开源深度学习框架Ludwig,不需要懂编程知识,让专家能用的更顺手,让非专业人士也可以玩转人工智能,堪称史上最简单的深度学习 ...

  8. Uber发布史上最简单的深度学习框架Ludwig!不懂编程也能玩转人工智能

    昨日,Uber官网重磅宣布新开源深度学习框架Ludwig,不需要懂编程知识,让专家能用的更顺手,让非专业人士也可以玩转人工智能,堪称史上最简单的深度学习框架! image Ludwig是一个建立在Te ...

  9. Windows+Anaconda+tensorflow+keras深度学习框架搭建--reproduced

    转载于网络,已备查用. 现在把windows下的Anaconda+tensorflow+keras深度学习框架搭建过程记录如下 1.下载安装Anaconda记住支持版本一定是python3以上的版本 ...

最新文章

  1. DRM-内容数据版权加密保护技术学习(上):视频文件打包实现(转)
  2. 【数据结构】KMP算法(c语言)
  3. oracle之数据处理之其他数据库对象练习
  4. 程序开源与不开源区别_如何在公司中启动开源程序
  5. 苹果应用商店新增对“非公开上市”应用程序的支持
  6. SAP License:SAP自学SAP常见的问题二
  7. Mac(不限于)中几个有内涵的工具
  8. 木马的隐藏及其启动方式 (转)
  9. 运气真不错:3月取到的TeaVM恰好能够运行,之前之后都有问题
  10. 如何理解阿里月饼事件中各方的表现
  11. Python爬虫 requests使用post请求分析并登录Chinaunix
  12. 生成自己的app key文件
  13. TIOBE Index for November 2016(2016年11月编程语言排行榜)
  14. 2009年网络游戏排行榜
  15. 传图识字有次数限制吗_告诉你一个免费的微信小程序,可以传图识字
  16. asp.net面试常见试题
  17. 电商专题-电商项目开发规模
  18. JavaScript获得字符串实际长度
  19. 2012系统架构设计师考试大纲
  20. cad.net GeometricExtents出错了 调试看不到文字

热门文章

  1. 四图,读懂 BIO、NIO、AIO、多路复用 IO 的区别
  2. 从零开始 Code Review,两年实战经验分享!
  3. 精度87%!业内首个动静统一的图像分割套件重磅推出
  4. 170多万篇论文,存储量达1.1 TB,Kaggle上线arXiv完整数据集
  5. 腾讯优图8篇论文入选ECCV 2020,涵盖目标检测/跟踪/Re-ID/人脸等领域
  6. “23岁本科生发14篇SCI”,文章被学校官网悄悄删了,你怎么看?
  7. IoU、GIoU、DIoU、CIoU损失函数的那点事儿
  8. 任天堂遭史上最严重黑客攻击:完整源代码、设计文档及技术演示泄露
  9. 用 Pytorch 理解卷积网络
  10. 大佬算法校招经验总结(拼多多、小米、华为、百度等)