深度學習驗證碼識別(-)keras環境搭建
阿新 • • 發佈:2019-02-15
5.如果不適用GPU進行運算,上面步驟就可以進行測試使用keras了,如果需要使用GPU,首先是用Nvidia的顯示卡。
gtx1060,gtx1080都比較不錯,再就是安裝cuda驅動。
進入cuda驅動下載網站:https://developer.nvidia.com/cuda-downloads
下載相對應系統的驅動,按照提供的安裝方式進行安裝即可。網站上安裝方式說的很詳細也很人性化,建議不要使用線上安裝。
6.配置theano gpu運算,後臺一直用的是theano,需要配置一下才可使用:
我的配置方式為:
編輯~/.theanorc
新建test_gpu1.py:
執行 python test_gpu.py 即可測試
通過以上配置已經可以正常使用keras進行神經網路訓練,但其間還有一些警告性報錯,以後慢慢解決。
轉載註明出處~
歡迎關注本人微信公眾號:
gtx1060,gtx1080都比較不錯,再就是安裝cuda驅動。
進入cuda驅動下載網站:https://developer.nvidia.com/cuda-downloads
下載相對應系統的驅動,按照提供的安裝方式進行安裝即可。網站上安裝方式說的很詳細也很人性化,建議不要使用線上安裝。
6.配置theano gpu運算,後臺一直用的是theano,需要配置一下才可使用:
我的配置方式為:
編輯~/.theanorc
[global]
device=gpu
floatX=float32
[cuda]
root=/usr/local/cuda-8.0 #cuda路徑
7.測試keras和是否使用gpu運算,程式碼來源於網路:新建test_gpu1.py:
from theano import function, config, shared, sandbox import theano.tensor as T import numpy import time vlen = 10 * 30 * 768 # 10 x #cores x # threads per core iters = 1000 #THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python test_gpu1.py rng = 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 xrange(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'
執行 python test_gpu.py 即可測試
通過以上配置已經可以正常使用keras進行神經網路訓練,但其間還有一些警告性報錯,以後慢慢解決。
轉載註明出處~
歡迎關注本人微信公眾號: