Windows8.1 64bit环境下搭建深度学习平台之CUDA安装与配置
http://blog.csdn.net/baigoocn/article/details/36188029
说明:想要让Theano在Windows8.1下能利用GPU并行运算,必须有支持GPU并行运算的Nvidia显卡,且要安装CUDA,千万不要电脑上是Intel或AMD的显卡,却要编写CUDA。
一、CUDA的安装
1、查看你的显卡是否支持GPU并行运算
"This PC"/"Manage"/"Device Manager"/"Display adapters",就可看到自己显卡的型号.
然后对照该网址中支持GPU运算的网卡型号清单,看自己的Nvidia显卡是否在其列表中.
2、下载安装CUDA Toolkit
CUDA Toolkit下载地址:点我下载,注意选择既要与自己系统匹配又要与所安装Python的版本相匹配的版本,就是说要么都用32位的,要么都用64位的,在此选择的是Windows 8.1 64bit桌面版.
文件将近1G左右,下载完成后双击exe可执行文件即可进行安装,安装过程略过。
二、.theanorc.txt文件的配置
在Home目录下(cmd命令框下可以看到,如我的是"C:\Users\leiguo"),创建.theanorc.txt文件,文件的内容如下:
画黄线的是容易出错的地方,一定要和你安装的Python和VS2012的路径保持一致,编辑好后,把它放置在Home目录下边,如下图位置所示:
三、测试你的安装配置有没有成功
在这里仍然使用上一节的测试用例,代码如下:
<a target=_blank id="L1" href="http://blog.csdn.net/baigoocn/article/details/36188029#L1" rel="#L1" style="color: rgb(102, 102, 102); text-decoration: none;"> 1</a> <a target=_blank id="L2" href="http://blog.csdn.net/baigoocn/article/details/36188029#L2" rel="#L2" style="color: rgb(102, 102, 102); text-decoration: none;"> 2</a> <a target=_blank id="L3" href="http://blog.csdn.net/baigoocn/article/details/36188029#L3" rel="#L3" style="color: rgb(102, 102, 102); text-decoration: none;"> 3</a> <a target=_blank id="L4" href="http://blog.csdn.net/baigoocn/article/details/36188029#L4" rel="#L4" style="color: rgb(102, 102, 102); text-decoration: none;"> 4</a> <a target=_blank id="L5" href="http://blog.csdn.net/baigoocn/article/details/36188029#L5" rel="#L5" style="color: rgb(102, 102, 102); text-decoration: none;"> 5</a> <a target=_blank id="L6" href="http://blog.csdn.net/baigoocn/article/details/36188029#L6" rel="#L6" style="color: rgb(102, 102, 102); text-decoration: none;"> 6</a> <a target=_blank id="L7" href="http://blog.csdn.net/baigoocn/article/details/36188029#L7" rel="#L7" style="color: rgb(102, 102, 102); text-decoration: none;"> 7</a> import theano.tensor as Tfrom theano import functionx = T.dscalar('x')y = T.dscalar('y')z = x + yf = function([x,y],z)print f(2,3)来自CODE的代码片
Python_Theano_test.py
在Visual Studio 2012中执行之后可以看到如下的结果:当看到"Using gpu device 0: GeForce GTX 750 Ti"这样的字眼之后,恭喜你,你搭建的CUDA平台安装配置工作已经完成,接下来就可以进行Deep Learning的学习了。
Windows8.1 64bit环境下搭建深度学习平台之CUDA安装与配置相关推荐
- 用pyinstaller打包pytorch环境下的深度学习模型,实现通过exe程序实现界面显示模型的分类效果
用pyinstaller打包pytorch环境下的深度学习模型,实现通过exe应用实现界面显示模型的分类效果 训练深度学习模型和界面显示,看我之前的博客,链接在下面: 通过残差网络实现CLFAR-10 ...
- 在谷歌云服务器上搭建深度学习平台
2018年9月8日笔记 登录谷歌云控制台需要科学上网,连接云主机不需要科学上网. 阅读此文并进行操作的前提是已经成功申请谷歌云的使用资格,并获得300美元使用金额. 如何申请谷歌云的使用,请阅读另外一 ...
- 在MATLAB环境下使用深度学习网络DeepLabV3+进行语义分割(云图分割)
摘要:本文主要讲述在MATLAB2020a环境下利用深度神经网络DeepLabV3+进行语义分割,分割感图像中的云层.讲述了:1.训练数据的获取.训练集制作:2.DeepLabV3+模型的构建:3.D ...
- 从0开始搭建Ubuntu20.04深度学习平台(CUDA, cuDNN, 显卡驱动)
前言 之前搭建的深度学习平台,只有100G,下载几个数据集和库就满了,拆东墙补西墙并不是一个权宜之计,所以只能换一个更大(256G)的固态硬盘.下面将会详细的阐述一个完善的深度学习平台是如何炼成的. ...
- pytorch中深度拷贝_在ubuntu20.04下搭建深度学习环境(pytorch1.5)
首先声明,完成这个环境的搭建不是我一个人的努力,是我在网上查找好多相关资料并得益于他们的帮助完成的,在下文对应的地方会放上相关链接.整个过程我将它分为4个步骤. 一.在ubuntu20.04上安装py ...
- 毕设路线—pytorch环境下的深度学习的高光谱图像分类问题
毕设快要结束了,一路走来一直记录着点点滴滴的技术内容,主要想写给自己看吧,作为一个项目整理的大致框架,改完最终定稿,再填补每一部分的细节. 另外如果以后有做这个方向的朋友看到了,希望能提供一点小小的帮 ...
- C++环境下部署深度学习模型方案
目录 一.问题背景 二.解决方案 2.1 C++调用python 2.2 Python服务接口 2.3 Python转c++(不推荐) 2.4 深度学习部署框架(推荐) 三.总结 3.1 接口形式分类 ...
- 自动驾驶之-MATLAB环境下基于深度学习的目标检测(停车标志检测)
深度学习,一个大号的,现代的,黑箱的,信号/图像处理器,本文程序运行环境为MATLAB R2018A. 本文简要讲解如何使用深度学习(R-CNN网络)来训练一个停车标志检测器.R-CNN是一种目标检测 ...
- MATLAB环境下基于深度学习的JPEG图像去块(Image Deblocking)
之前主要研究现代信号处理,深度学习嘛,一个大号/深层的,现代的,黑箱的,信号/图像处理器,所以,作为一个研究现代信号处理的,顺便搞些深度学习也是顺理成章的.本文程序运行环境为MATLAB R2018A ...
最新文章
- python中的随机函数怎么用_Python中随机数的使用方法有那些?
- linux下batik-rasterizer.jar生成图片中文乱码
- php margin参数,margin参数简单介绍_html/css_WEB-ITnose
- Java成神之路——JVM垃圾回收概览
- mysql复杂条件判断_MySQL复杂where条件分析
- python 列表,数组,矩阵两两转换tolist()
- 如何获得base64图片的高度_如何使坡口机工作的高度获得提升
- atitit 课程表终生学习专业进修表从幼儿园到养老院 v2 r818.xlsx
- ELK实践(三)北京历年空气质量数据分析
- LTE无线接入网的架构
- 【中国剩余定理】互素与不互素的情况详解
- 华为宣布人事调整:余承东调离华为云
- (1)Part01-项目介绍-01-在线教育行业介绍
- 服务器 进 pe系统安装系统安装系统,用U盘安装系统之PE安装.doc
- FixFlow多实例会签功能使用介绍
- selenium之action_chains模块(鼠标操作)
- Random Thoughts #12 @2013:P2P狂想曲
- Linux命令+shell脚本大全:处理目录
- halcon垂足、轮廓平行线
- python之torchlight使用_Unity3D加载火炬之光资源