隨著深層學習的火熱,越來越多的人開始使用深層學習訓練自己的模型。 用GPU訓練的速度比CPU快很多倍,可讓需要訓練一周的模型只在一天內完成。 這篇post就介紹如何在Ubuntu14.04上安裝用GPU訓練的Theano、Lasagne、TensorFlow
由於將會用到很多python的庫包,安裝Anaconda將會很方便
下載完畢後,執行,根據提示安裝到想要安裝的目錄下 >sudo bash Anaconda2-2.5.0-Linux-x86_64.sh
如果遇到 Error: Missing write permissions in: */anaconda2
You don't appear to have the necessary permissions to update packages
into the install area */anaconda2
運行下面指令,更改組群可以解決(請把usr 和 */ 替換為自己的內容) >sudo chown -R usr */anaconda2
所有指令都可以在Using conda找到
這裡列出幾個常用指令
>conda update conda
>conda list
>conda install package-name
>conda install -c channel package-name
>conda remove package-name
>conda update package-name
CUDA download(本文將選擇network安裝)
下載完畢後執行 >sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
>sudo apt-get update
>sudo apt-get install cuda
(耗時)
擁有cuda的並行計算模塊就可以用GPU訓練Theano的模型了
Theano也支持cuDNN(可選),而Tensorflow則必需要cuDNN
cuDNN download(需要注冊),下載完畢後執行 >tar xvzf cudnn-7.0-linux-x64-v4.0-prod.tgz
>sudo cp cuda/include/cudnn.h /usr/local/cuda/include
>sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
>sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
由於Theano對模型擁有很高的控制權,深受研究人員喜歡
>sudo apt-get install g++ libopenblas-dev
>conda install git
>pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git
也可以從anaconda.org上搜索
>export CUDA_ROOT=/usr/local/cuda-7.5/
>export PATH=$PATH:$CUDA_ROOT/bin
>export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_ROOT/lib64
>export THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32,allow_gc=False
>export CUDA_LAUNCH_BLOCKING=1
需要注意的是GPU只支持float32的數據,想要更多的速度,就要把數據的類型都轉為float32
from theano import function, config, shared, tensor, sandbox
import numpy
import time
vlen = 10 * 30 * 768 # 10 x #cores x # threads per core
iters = 1000
rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], tensor.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 %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, tensor.Elemwise) and
('Gpu' not in type(x.op).__name__)
for x in f.maker.fgraph.toposort()]):
print('Used the cpu')
else:
print('Used the gpu')
CPU結果:
[Elemwise{exp,no_inplace}(<TensorType(float64, vector)>)]
Looping 1000 times took 3.060987 seconds
Result is [ 1.23178032 1.61879341 1.52278065 ..., 2.20771815 2.29967753
1.62323285]
Used the cpu
GPU結果:
Using gpu device 0: GeForce GTX 980 Ti (CNMeM is disabled, CuDNN 4007)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.208453 seconds
Result is [ 1.23178029 1.61879349 1.52278066 ..., 2.20771813 2.29967761
1.62323296]
Used the gpu
Lasagne是寫在Theano之上的庫包,可以使用戶更簡單的使用深層學習訓練
這裡將要安裝的是Lasagne 0.2.dev1版本,直接執行 >conda install -c http://conda.anaconda.org/toli lasagne
這裡有Lasagne tutorial 和 Lasagne tutorial2的簡單ipython教程
TensorFlow是由Google開源的深層學習包,在概念上和Theano十分相似,都是生成computational graph並可自動求導,雖然表達上比Theano簡潔了一些,但對於模型結構的控制能力不如Theano。當前的GPU版本還在顯存占用方便有問題。總體來說十分“年輕”。但是擁有強大的公司背景。使人十分期待未來發布的版本。
>pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl
>pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl
遇到如下問題時 Cannot remove entries from nonexistent file /usr/local/bin/anaconda2/lib/python2.7/site-packages/easy-install.pth
執行,刪除後setuptools再運行 >conda remove setuptools
>export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64
>export CUDA_HOME=/usr/local/cuda
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
Hello, TensorFlow!
a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a + b))
42
期間你將會看到類似的信息
Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 980 Ti, pci bus id: 0000:01:00.0)
比較人性化的地方是工具TensorBoard可以自動生成如下的交互界面,允許用戶更好的追蹤數據和分析自己所建的模型
還有很多教程可以參考官網
http://xxxxxx/Linuxjc/1145180.html TechArticle