本文详细介绍了如何在Mac上搭建深度学习的GPU开发环境，包括安装CUDA、cuDNN、Theano和Keras的步骤。尽管Mac上的GPU性能可能不强，但仍然可以进行配置。文章提供了测试环境正常运行的示例，并指出在没有cuDNN加速的情况下，GPU性能可能不如CPU，建议使用高性能显卡或AWS服务。
本文将指导你如何在自己的Mac上部署Theano + Keras的深度学习开发环境。
如果你的Mac不自带NVIDIA的独立显卡（例如15寸以下或者17年新款的Macbook。具体可以在“关于本机->系统报告->图形卡／显示器”里查看），那么你可能无法在这台Mac上使用GPU训练深度学习模型。不过这并不值得遗憾。事实上，我在自己的Macbook上（15-inch，Early 2013，NVIDIA GeForce GT 650M 1024 MB）做了一个简单的测试：在mnist数据集上训练CNN模型时，GPU模式相对于CPU模式仅节省了1/3的时间。这可能要归咎于Mac上赢弱的显卡。相比之下，我更推荐购买一台有着强劲性能的显卡的PC本（比如某些游戏本）来搭建深度学习的开发环境，或者是直接租赁AWS的Instance服务。
下面步入正题。
安装GPU开发环境
几乎所有的主流深度学习框架在使用GPU进行模型训练时都依赖于两个底层环境：CUDA和cuDNN。前者是一个使用GPU进行并行计算的平台，后者是一个封装了使用GPU加速神经网络计算的library。
最低0.47元/天 解锁文章
1310
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
