博客讲述了在升级Theano到1.0后，遇到GPU使用问题，尝试更新cudnn版本并修改.theanorc配置文件，但import theano时依然显示使用CPU。作者通过一个测试脚本s.py检测Theano是否利用GPU，发现即使GPU运算耗时明显少于CPU，结果仍显示使用了CPU。作者怀疑测试脚本存在错误，并分享了这一问题以供他人参考。
Theano升级到1.0后，在import theano 时总会出现如下提醒，在没升级之前之前是没有的．
>> import theano
Using cuDNN version 5110 on context None
Mapped name None to device cuda: GeForce GTX 960M (0000:01:00.0)
看到这提示感觉很不爽，所以按照上面的提示去试依旧没有解决．
首先按照给出的提示，我重新安装cudnn5.1.10,安装完成之后又出现了下面的情况：
>> import theano
Using cuDNN version 5105 on context None
Mapped name None to device cuda: GeForce GTX 960M (0000:01:00.0)
所以我觉得这和cudnn版本没有任何关系．
按照网上的一个脚本s.py，如下：
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time
vlen = 10 * 96 * 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([], T.exp(x))
print(f.maker.fg
>> import theano
Using cuDNN version 5110 on context None
Mapped name None to device cuda: GeForce GTX 960M (0000:01:00.0)
看到这提示感觉很不爽，所以按照上面的提示去试依旧没有解决．
首先按照给出的提示，我重新安装cudnn5.1.10,安装完成之后又出现了下面的情况：
>> import theano
Using cuDNN version 5105 on context None
Mapped name None to device cuda: GeForce GTX 960M (0000:01:00.0)
所以我觉得这和cudnn版本没有任何关系．
按照网上的一个脚本s.py，如下：
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time
vlen = 10 * 96 * 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([], T.exp(x))
print(f.maker.fg
最低0.47元/天 解锁文章
扫一扫
4374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
