windows平台下深度学习工具的选择及theano的安装
来源:互联网 发布:魔兽世界官方小说软件 编辑:程序博客网 时间:2024/06/05 19:48
windows平台下深度学习工具的选择及theano的安装
2016年是人工智能、智能驾驶、智能家居等等一系列元年的开端,我自然也没什么能力去定义什么元年,更没什么眼界去畅想什么未来,我只想谈谈这一年以来自己的所闻所感。
自从google在2015年开放Tensorflow开源代码以来,机器学习库的开源之路得到蓬勃发展。但tensorflow一开始只支持linux和osx系统,2016年底开始支持windows系统,但只包括win7和win10,由于机器学习在gpu加速下性能提升显著,所以一般要配合nvidia的cuda和cudnn使用,由于cuda自7.0之后就只有64位系统的了,所以32位系统的用户要不使用cuda6.5以前的版本,要不换64位系统。
除了tensorflow之外比较知名的机器学习库由theano、caffe、torch、mxnet等等,caffe跟清华颇有渊源(在此不细说),上课时老师推荐过,theano应该是新手入门跨多平台比较好用的工具,torch和mxnet可能都比较专业,我并没有接触过。在windows平台下caffe和theano都比较容易安装成功,个人选择的是theano的深度学习工具,今天就讲讲windows下theano的安装
系统配置策略:windows7 32位系统+cuda 6.5+visual studio 2013+anaconda2 32位
博客上已经有比较不错的安装教程,我主要是参考
http://blog.csdn.net/m624197265/article/details/45700619
http://blog.sina.com.cn/s/blog_96b836170102vq22.html
http://www.cnblogs.com/tec-vegetables/p/5113119.html
两篇文章,关键遇到的几个问题就是
1,一般选取anaconda2.由于在以前使用opencv的时候选择的是python2的版本,所以这里直接使用的anaconda2的版本。连接如下
https://www.continuum.io/downloads#windows
2.cuda 6.5,由于系统一直是32位,所以不太想换64位系统,cuda自7.0之后只支持4位系统,所以只能用6.5以前的版本,可以去官方下载:
https://developer.nvidia.com/cuda-toolkit-65
3.vs是windows 下的c\c++编译平台,无论是caffe或者是theano都需要安装.建议安装vs2010以上的版本,
4.安装步骤为
1.anaconda下载安装,解压缩即可
2.mingw的安装,cmd输入:conda install mingw libpython
3.(.theanorc.txt)文件的生成:在cmd的home下生成这个文件
4.theano的安装,cmd输入 pip install theano
5.GPU加速:cuda 6.5安装,具体见http://blog.csdn.net/m624197265/article/details/45700619
其实不需要格外添加环境变量。大家可以尝试一下。
6.测试
附录
.theanorc.txt文件格式:
[global]openmp = Falsedevice = gpufloatX = float32allow_input_downcast=True[blas]ldflags =[gcc]cxxflags = -IC:\Anaconda2\MinGW\include[nvcc]flags = -LC:\Anaconda2\libs compiler_bindir = H:\Program Files\Microsoft Visual Studio 12.0\VC\binfastmath = True
测试代码:
from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport timevlen = 10 * 30 * 768 # 10 x #cores x # threads per coreiters = 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' % iters, t1 - t0, 'seconds')print ('Result is', 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')
- windows平台下深度学习工具的选择及theano的安装
- 深度学习工具Theano的安装
- 【PTVS+Theano】在windows下使用VS安装theano深度学习工具
- Windows平台theano与pylearn2的安装
- 深度学习python库安装经验,Windows下安装Anaconda3 pycharm tensorflow keras theano中遇到的问题
- Theano(1):windows、linux下安装深度学习库Theano
- theano在windows下的安装
- theano在windows下安装的若干问题
- theano深度框架的学习
- 64位Win7下安装并配置Python3的深度学习库:Theano
- Wndows8.1 64bit环境下搭建深度学习平台之Theano安装配置
- 深度学习工具包之——theano的安装
- Theano在windows下的正确安装、会出现的问题及解决方法
- windows平台下安装python的setuptools工具
- windows平台下安装python的setuptools工具
- windows平台下安装python的setuptools工具
- windows平台下安装python的setuptools工具
- windows平台下安装python的setuptools工具
- 程序员的机器学习入门笔记(八):最优化与计算复杂度概述
- 比较器的简单应用(Comparable接口)
- 课程设计一
- 通过className属性给一个元素追加新class(addClass函数)
- JavaScript基本概念(一)
- windows平台下深度学习工具的选择及theano的安装
- CentOS下zabbix监控mysql5.6版本主从
- div~float~position~我的背景去哪了~上
- 派生类的构造函数
- 正则表达式的贪婪与懒惰模式
- Linux搭建TortoiseSVN服务器安装步骤及配置
- 动态代理(CGLib 代理介绍)
- Maven - 入门
- GCD The Largest