Window下安装Theano,并运行深度学习算法
2015-10-14 21:55
197 查看
之前由于课程的需要,要运行GPU的深度学习算法,在网上找到了一篇关于相关安装文章,折腾了几天终于在自己的电脑上跑起了程序。这里我参照我参考的安装文档,重新整理了Theano与CUDA的安装。
参考文档:http://blog.csdn.net/yeyang911/article/details/16357133
下载安装 AnacondaCE:
AnacondaCE我安装在E:\AnacondaCE(去官网下载这个http://www.continuum.io/downloads,这个可是傻瓜式安装,然后再按照下面的步骤就可以成功配置了,这个安装很简单)
theano安装:
theano是python的一个深度学习的库,但直接安装或者将Theano的包下载下来,直接放到相应目录下会出现问题。
1. 下载theano的zip文件:https://github.com/Theano/Theano ,解压到E:/Anaconda/Lib/site-packages/theano(文件里面有个theano的文件夹,拿出来放在E:/Anaconda/Lib/site-packages里面)目录下。这一步做完后,进入Anaconda的管理界面下,输入pip
install theano,如果真确则会显示Sucessfully installed。
2. 添加环境变量: path: E:/Anaconda/MinGW/bin;E:/Anaconda/MinGW/x86_64-w64-mingw32/lib;
(32bit E:/Anaconda/MinGW/i686-w64-mingw32/lib;)
新建环境变量: PYTHONPATH: E:/Anaconda/Lib/site-packages/theano;
CUDA安装:
参考这个文档:http://blog.csdn.net/yeyang911/article/details/17450963
注:一些非英伟达显卡的电脑可能安装cuda有点问题,建议使用英伟达显卡的电脑
配置文件
这个是用了GPU的配置(要安装相应的CUDA版本,比如说我用的64位的python环境,CUDA的版本也是64位的)
nvcc里面的配置还是很重要的
配置完如果不能用的话重启下。
--------------------------------------------程序的测试--------------------------------------------------------------------
程序下载:
http://download.csdn.net/detail/yeyang911/6937611
GPU下:logistic_sgd.py ran for 20.2s
第一次运行的时候要下载数据(下载比较慢),如果你中间Ctrl+C中断后,你第二次运行程序时会出现问题(IOError: CRC check failed 0xf718d791L != 0xd1c80b9fL),这时删除data中的未下载完的数据,重新运行,慢慢等程序将数据下载完成,你就能成功运行程序。
GPU下:mlp
GPU: CNN(注:运行这个GPU程序需要下载“inttypes.h","stdint.h" 这两个头文件,然后放到VS2010/VC/include
的文件下面。)http://download.csdn.net/detail/yeyang911/6750713 这个可以下载
GPU:The code for file cA.py ran for 84.86m
GPU:The no corruption code for file dA.py ran for 3.43m \ The 30% corruption code for file dA.py ran for 3.41m
GPU:rbm
GPU下运行的 DBN 程序 可以发现 不到一分钟可以进行一次pre-train 比在CPU 下快了很多
我的GPU是GT650M 因为是笔记本。
当然 ,在进行GPU处理前 好像还做了一些程序翻译:
还有很长我就不贴出来了。祝大家成功配置成功。。。。
下面演示的是DBN 代码 运行的过程。。。
pre-train 耗时 251.17 分钟
fine tuning 94.62 分钟
参考文档:http://blog.csdn.net/yeyang911/article/details/16357133
下载安装 AnacondaCE:
AnacondaCE我安装在E:\AnacondaCE(去官网下载这个http://www.continuum.io/downloads,这个可是傻瓜式安装,然后再按照下面的步骤就可以成功配置了,这个安装很简单)
theano安装:
theano是python的一个深度学习的库,但直接安装或者将Theano的包下载下来,直接放到相应目录下会出现问题。
1. 下载theano的zip文件:https://github.com/Theano/Theano ,解压到E:/Anaconda/Lib/site-packages/theano(文件里面有个theano的文件夹,拿出来放在E:/Anaconda/Lib/site-packages里面)目录下。这一步做完后,进入Anaconda的管理界面下,输入pip
install theano,如果真确则会显示Sucessfully installed。
2. 添加环境变量: path: E:/Anaconda/MinGW/bin;E:/Anaconda/MinGW/x86_64-w64-mingw32/lib;
(32bit E:/Anaconda/MinGW/i686-w64-mingw32/lib;)
新建环境变量: PYTHONPATH: E:/Anaconda/Lib/site-packages/theano;
CUDA安装:
参考这个文档:http://blog.csdn.net/yeyang911/article/details/17450963
注:一些非英伟达显卡的电脑可能安装cuda有点问题,建议使用英伟达显卡的电脑
配置文件
这个是用了GPU的配置(要安装相应的CUDA版本,比如说我用的64位的python环境,CUDA的版本也是64位的)
nvcc里面的配置还是很重要的
配置完如果不能用的话重启下。
--------------------------------------------程序的测试--------------------------------------------------------------------
程序下载:
http://download.csdn.net/detail/yeyang911/6937611
GPU下:logistic_sgd.py ran for 20.2s
第一次运行的时候要下载数据(下载比较慢),如果你中间Ctrl+C中断后,你第二次运行程序时会出现问题(IOError: CRC check failed 0xf718d791L != 0xd1c80b9fL),这时删除data中的未下载完的数据,重新运行,慢慢等程序将数据下载完成,你就能成功运行程序。
GPU下:mlp
GPU: CNN(注:运行这个GPU程序需要下载“inttypes.h","stdint.h" 这两个头文件,然后放到VS2010/VC/include
的文件下面。)http://download.csdn.net/detail/yeyang911/6750713 这个可以下载
GPU:The code for file cA.py ran for 84.86m
GPU:The no corruption code for file dA.py ran for 3.43m \ The 30% corruption code for file dA.py ran for 3.41m
GPU:rbm
GPU下运行的 DBN 程序 可以发现 不到一分钟可以进行一次pre-train 比在CPU 下快了很多
我的GPU是GT650M 因为是笔记本。
当然 ,在进行GPU处理前 好像还做了一些程序翻译:
还有很长我就不贴出来了。祝大家成功配置成功。。。。
下面演示的是DBN 代码 运行的过程。。。
pre-train 耗时 251.17 分钟
fine tuning 94.62 分钟
相关文章推荐
- 相同的字符串常量是可以共享内存的
- 交换排序——快速排序
- use PostgreSQL async Notification as a chat group
- 第117讲:Hadoop集群之安装IP配置、Slaves、namenode和secondarynamenode的配置学习笔记
- 日经春秋 20151014
- Scala的安装
- Java进程监控与分析
- 动态规划—0-1背包问题
- 排序算法之直接插入排序(java实现)
- 什么叫做VC维
- 史上最全github使用方法:github入门到精通--备用
- CodeBlocks配置pthread环境
- 求一个字符串中最长的字符串
- PostgreSQL partial/sub commit within function
- 模式识别之身份证识别
- 交换算法经常使用的两个数的值
- 文件I/O实践(3) --文件共享与fcntl
- JAVA IO类
- ROS(11):莓派Raspberry Pi 小车组装,安装电机和超声波
- day2_Android下单元测试相关