Caffe2-windows下caffe的gpu加速

摘要：本篇日志承载上篇内容，在上篇基础上进行优化和添加。主要说明在正确cpu的caffe框架下如何添加gpu加速的过程。

正文：

上篇说明了如何安装cpu版本的caffe框架，其中我提到过，只有cpu的caffe就好比没有轮胎的车，好赖是车子但是还没发跑起来。虽然这样，我们仍然已经完成了框架搭载80%的内容。这里再声明一下对计算机硬件的要求：gtx750以上、显存2G以上的N卡，i3以上的cpu，满足这些条件可以继续我们的工程了。

首先你需要在英伟达的官网下载cuda这里给出cuda的官网: https://developer.nvidia.com/cuda-downloads，因为此安装包近乎1G就不附带我的百度云地址。此处有必要强调，cuda的版本是7.0或者8.0，windows版本，选择页面如图：

下载好后选择默认安装，remember默认安装，不要自作主张更改安装路线。这个安装会持续20min左右，在安装此应用期间不得运行其他安装软件（这是此软件的要求），当cuda安装完毕后还需要下载cuda的驱动，同样给出驱动的官网，根据自己的计算机型号选择驱动类型：http://www.nvidia.com/Download/index.aspx?lang=en-us。此处强调，cuda驱动和cuda不是一回事！不是一回事，驱动大小约为350Mb左右，所以根据大小相信观众不会下载错误，这是例子：

下载好驱动后仍然默认安装，不可以更改安装路线。

这里对上述两个安装过程中可能出现的问题进行解答：

1．可能出现的bug是“shadow 安装失败”这个bug，无须担心，我们的计算不用到这个模块。

2．可能出现一个叉号并且显示“与以前版本冲突并且没有更新”，这个问题更好解决，就是你曾经安装的版本部分更新和此次安装一样，不需要重复更新。

安装好两个文件以后就完事具备了吗？no~no~no~。接下来是很容易出现错误的一步:添加环境变量，这是个经常要用到的技术，因此我在caffe日志1中做了详细的图解。当cuda正确安装后，在环境变量列表中会出现如下两个变量：CUDA_PATH和CUDA_PATH_V8_0，剩余的需要我们自己去添加：

CUDA_SDK_PATH= C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0

CUDA_LIB_PATH= %CUDA_PATH%\lib\x64

CUDA_BIN_PATH= %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH= %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH= %CUDA_SDK_PATH%\common\lib\x64

然后，在系统变量PATH的末尾添加：

;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

此处需要强调的是：

1. 系统变量path中注意每个变量之间以‘;’为分隔符；

2. 变量大小写不影响正确性。

3. 自己添加变量时的方式是名称一栏写变量名，如CUDA_BIN_PATH，变量一栏写地址，如%CUDA_SDK_PATH%/bin/64/win64，至于斜杠是/的还是\这是没有关系的，不过和大众一样总没错对吧。

如果正确完成了这一步，那么你的gpu配置就已经完成了，那么你可能会问我可以直接调用gpu加速计算了吗？不可以，因为你只是给系统配置了一个pgu，并没有给caffe说啊。下面说明如何在caffe中添加gpu模式。

再次打开日志1中的配置文件，在cpu-only那里写false，这说明你已经调用了gpu了。

是不是不很复杂呢？的确，如果想一步安装caffe到成功，90%会失败，而像这样步步渐进稳中求进是不是也很不错呢？现在我们的caffe已经装上一个轮胎啦，再装三个轮子这辆车子就可以跑起来了！后续要说明如何在里面安装Python接口，以使得caffe可以训练数据，如何接口MATLAB，以使得caffe可以可视化，以及如何用caffe训练，预测，判断，如何设计自己的神经网络等等。。。请听下回分解！

Caffe2-windows下caffe的gpu加速相关推荐

caffe学习日记--lesson4:windows下caffe DEMO (mnist and cifar10)
caffe学习日记--lesson4:windows下caffe DEMO (mnist and cifar10) 1.下载数据 mnist官网:http://yann.lecun.com/exdb/ ...
【Caffe】Windows下caffe安装详解
学习windows下caffe的相关开发.同时也在安装完后及时进行总结,希望这篇博文可以帮助到大家! 需要准备的文件: 1,VS2013(必选),这个不再赘述 2,Windows版的caffe,BVL ...
windows下caffe+CPUOnly实现MNIST手写分类
工具下载微软官方移植的Caffe:https://github.com/Microsoft/caffe 对属性表的操作需要把实例属性表的后缀改成vs可用的.props 打开同一个文件夹下的Caff ...
windows 下 TensorFlow（GPU 版）的安装
windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速 0. 环境 OS:Windows 10,64 bit: 显卡:NVIDIA GeFor ...
Windows10下Tensorflow启用GPU加速，显卡GTX1060，踩坑记录
因为需要用到tensorflow学习深度学习,所以有N卡就想开启GPU加速,结果各种坑 1.安装VS和Python环境 (不用VS的可以不安装,使用其他工具也是一样的) 这里使用VS2019作为开发 ...
ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程【转】
本文转载自:https://blog.csdn.net/zhaoyu106/article/details/52793183 le/details/52793183 写在前面一些废话接触深度学习已 ...
Ubuntu下的lammps GPU加速（真的香）
参考 Lammps实现GPU加速,博客界面很好看. 显卡驱动安装(本文默认为英伟达) - 检查自己的驱动是否安装成功 nvidia-smi 如果安装成功会有如下输出: 如果未安装会有如下结果: nvi ...
Linux下JavaCv使用GPU加速(Nvidia显卡)
1.环境配置,安装显卡驱动,cuda,cudnn linux上安装NVIDIA显卡驱动以及深度学习需要的cudn.cudnn.pytorch_宜城有少年的博客-CSDN博客_linux安装 ...
Windows环境下tensorflow使用GPU加速运算（详细解释）
自己在使用时从无到有的过程一.使用以下代码进行相应的检查 1.查看tensorflow的版本: import tensorflow as tfprint(tf.__version__) # 查看Te ...

Caffe2-windows下caffe的gpu加速

Caffe2-windows下caffe的gpu加速相关推荐

最新文章

热门文章