安装用于深度学习的CUDA环境

Theano的安装及GPU配置过程

  下面正式介绍在64位win8.1系统下安装Theano的过程

 1. 安装Anaconda

  下载64位Anaconda python2.7,我的安装目录是C:\Anaconda2,安装后按照[2] 中Requirements的说明更新一下相应的库,其中Anconda具有BLAS包MKL,如果有学校邮箱的话可以参考[3] 获取免费License。

2. 安装GCC

  在Anaconda下安装MinGW包即可,不需要安装TDM-GCC或者mingw-steup.exe等,在CMD下输入 
  conda install mingw libpython 
即可在Anaconda的安装目录下看到MinGW包,然后在用户环境变量path后面添加 
C:\Anaconda2\MinGW\bin;C:\Anaconda2\MinGW\x86_64-w64-mingw32\lib; 
各位可根据自己的Anconda安装目录修改此环境变量。

3. 安装VS2013

  在此之前我的电脑已经安装了VS2013,此处就不再写了,而且也没有什么需要注意的地方,我的VS2013安装目录是D:\VisualStudio。

4. 安装cuda6.5

  cuda的安装最好选择自定义,否则会使需要的组件没有安装, 还会将原有的驱动替换成低版本,我的安装如下: 
1

记住各组件的安装位置,后面配置环境变量需要使用,可以选择默认位置,也可以自己设置。

2

后面可以看到cuda安装了Nsight for Visual Studio 2013

3

下面配置cuda的环境变量,安装好cuda后,会自动生成两个系统环境变量 
CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.5 
CUDA_PATH_V6_5 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.5 
自己再添加如下几个环境变量 
CUDA_BIN_PATH  %CUDA_PATH%\bin

CUDA_LIB_PATH  %CUDA_PATH%\lib\x64

CUDA_SDK_PATH  C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.5

CUDA_SDK_BIN  %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB  %CUDA_SDK_PATH%\common\lib\x64 
配置好环境变量之后重启电脑。

5. 安装Theano

  经过上面一系列的配置,终于可以安装Theano了,其实Theano在安装了Anaconda之后就可以安装了,只是gcc和cuda没配置好,Theano还不能使用GPU。 
  Theano的安装很简单,打开cmd后输入 
  pip install Theano 
等待一会儿即可显示Theano安装成功。然后新建用户环境变量 
  PYTHON_PATH: C:\Anaconda2\Lib\site-packages\theano 
该路径就是theano所在的位置。

6. 配置文件

  这是Theano安装的最后一步了,打开cmd之后,命令提示符窗口显示一个路径,我的是C:\Users\lenovo,在该目录下新建文本文件.theanorc.txt ,注意第一个点不要漏掉,下面是我的配置 

4

其中compiler_bindir的路径就是VS的安装路径,例如VS2010的默认路径是C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin。

  至此,Theano的安装已经完成,在python里输入import theano,显示如下即是安装成功。 
  8 
可以参考[5]对GPU进行测试。Theano也自带测试程序theano.test(),不过我的测试还存在一个问题,如下图,目前还未解决。 
5

    7. 安装keras

此时可以pip install keras进行安装, 若不成功尝试更新下pip,  python-m pip install --upgrade pip


参考

http://blog.csdn.net/jteng/article/details/50180649

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要在WSL中安装深度学习环境,可以按照以下步骤进行操作。 1. 首先,确保已经安装了WSL并选择了适合您的Linux发行版,如Ubuntu。 2. 打开WSL终端并运行以下命令,更新系统软件包列表: ``` sudo apt update ``` 3. 安装必要的依赖项,包括Python和pip: ``` sudo apt install python3 python3-pip ``` 4. 安装所需的深度学习库,如TensorFlow或PyTorch。可以使用pip命令来安装它们,例如: ``` pip3 install tensorflow ``` 5. 根据需要,您还可以安装其他深度学习库和工具,如Keras、Scikit-learn等: ``` pip3 install keras scikit-learn ``` 6. 可能需要安装GPU的相关驱动程序和CUDA工具包,以便在WSL中进行GPU加速的深度学习任务。这可能需要更多的配置和步骤,因为WSL并不原生支持CUDA,但是可以通过一些额外的工具和补丁来实现。 请注意,WSL在很大程度上是用于开发目的,而不是用于性能要求较高的深度学习任务。如果您需要更高性能的环境,建议直接在宿主系统上安装深度学习环境,而不是使用WSL。 希望以上步骤对于在WSL中安装深度学习环境有所帮助。 ### 回答2: 要在WSL上安装深度学习环境,首先需要安装WSL,并选择适合的发行版,如Ubuntu。安装完成后,可以使用WSL的命令行界面进行操作。 在WSL上安装深度学习环境一般分为以下步骤: 1. 更新系统:使用命令sudo apt update && sudo apt upgrade来更新WSL的系统软件和库。 2. 安装必要的工具:安装一些必要的工具和软件包,如wget、curl等,以便后续的操作。 3. 安装Python:深度学习环境通常需要使用Python作为编程语言,可以通过sudo apt install python来安装Python。 4. 安装pip:Pip是一个Python的包管理工具,使用命令sudo apt install python3-pip来安装pip。 5. 安装深度学习框架:有多种深度学习框架可供选择,如TensorFlow、PyTorch等。可以使用pip安装这些框架,例如使用pip install tensorflow来安装TensorFlow。 6. 安装GPU支持(可选):如果使用GPU进行深度学习训练,还需要安装相应的GPU驱动和CUDA库。具体安装步骤可以参考相应的GPU厂商文档。 7. 安装其他依赖库:深度学习环境通常还依赖于其他的库和软件包,可以使用pip安装这些依赖库。 安装深度学习环境可能会涉及到很多细节和配置,具体操作要根据具体环境和需求来确定。此外,还可以通过WSL启动一个图形界面,以方便使用深度学习工具和编辑器。在图形界面中,可以更方便地进行代码编写、调试和可视化等操作。 总之,在WSL上安装深度学习环境需要经过一系列的准备和安装步骤,可以根据具体需求和环境按照以上步骤进行操作。 ### 回答3: 要在WSL上安装深度学习环境,可以按照以下步骤进行操作: 1. 安装WSL:在Windows系统上,可以通过Microsoft Store或者官方网站下载安装WSL。选择合适的Linux发行版,如Ubuntu。 2. 启动WSL:安装完成后,可以在Windows菜单中找到WSL并打开命令行终端。 3. 更新系统:在WSL终端中,使用以下命令更新系统软件包和依赖项: ``` sudo apt update sudo apt upgrade ``` 4. 安装Python和pip:为了使用深度学习框架,需要先安装Python和pip。在WSL中使用以下命令进行安装: ``` sudo apt install python3 python3-pip ``` 5. 安装深度学习库:根据需要选择深度学习框架(如TensorFlow、PyTorch等),并使用pip命令安装相应的库。例如,安装TensorFlow和Keras可以使用以下命令: ``` pip3 install tensorflow pip3 install keras ``` 6. 安装GPU驱动(可选):如果你的系统有NVIDIA GPU并且想要使用GPU加速深度学习训练,可以在WSL中安装相应的GPU驱动和CUDA工具包。具体安装过程较为复杂,建议参考相关文档或教程进行操作。 以上步骤是在WSL上安装深度学习环境的大致流程。根据不同的需求和情况,可能会有一些额外的步骤或配置,建议参考相关文档或教程进行更详细的指导。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值