cuda-convnet 的运行环境设置

2023-11-22 16:38

本文主要是介绍cuda-convnet 的运行环境设置,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        这段时间学习deep learning,下载了cuda-convnet 学习CNN。想要运行这个代码,需要GPU的机器,同时需要安装cuda以及python等。从裸机到运行成功,花费了一些时间。因第一次安装,没有头绪,未将出错情况一一记下。这次先写下基本流程记以及问题的解决方法链接,具体细节等下次安装时,再逐步整理。

        硬件: 

        (1) cpu:  Intel(R) Core(TM) i7-4930K CPU @ 3.40GHz

        (2) gpu: NVIDIA GTX 770

        操作系统:

        centOS 6.4

       (ubunto 不知什么原因,未能安装成功)

       

        安装步骤:

        1.  安装显卡驱动

             方法详见:点击打开链接

        2.  安装cuda5.5

             方法详见:安装cuda方法1以及安装cuda方法2

             在编译cuda 下samples的过程中,可能会遇到 以下一些问题:

             ld: cannot find -lglut  / libX11

             解决方法参见官方说明文档:点击打开链接

        3.  python 安装

             centos 6.4 中自带python 2.6.6,不需要升级即可运行cuda-convent程序。(升级后安装其它相关组件,反而会出现问题)

        4. python-devel, numpy, python-magic, python-matplotlib,atlas-devel安装

            安装这些相关组件,走了不少弯路,大部分可以下命令搞定:

yum install ***

    进行安装,如果使用上述命令找不到安装包,再从网上手动下载。(跟着网上一些教程,一步一步地死磕,是要吃大亏的,特别是 atlas-devel, 完全可以上述命令搞定)

       5.  gcc, g++升级

             这步执行有没有必要,我没有验证过,我从4.4升级至4. 6方法:gcc升级方法

       6.  cuda-convnet 中环境设置

            (1)按说明修改build.sh

            (2)修改Makefile:

                      将:       

INCLUDES :=  -I$(PYTHON_INCLUDE_PATH) -I$(NUMPY_INCLUDE_PATH) -I./include -I./include/common -I./include/cudaconv2 -I./include/nvmatrix

                      改为:

INCLUDES :=  -I$(PYTHON_INCLUDE_PATH) -I$(NUMPY_INCLUDE_PATH) -I$(CUDA_SDK_PATH) -I./include -I./include/common -I./include/cudaconv2 -I./include/nvmatrix

           (3)修改common-gcc-cuda-5.5.mk

                      将其中g++4.6改为g++

       7. 修改magic的相关代码

           可能是旧版本的问题,py 文件中有些代码中存在magic.open(),需要改为magic.from_buffer().

     

           经过上述配置,运行 sh build.sh,如果在./bin/linux/release/路径下生成_ConvNet.so,即表明配置成功。

           如果是非root 用户,运行时还会出现:找不到libcudart.so的问题,需要设置当前用户下的LD_Library_path变量,设置方法如下:

           http://www.cnblogs.com/waterlin/archive/2011/07/14/2106056.html

           http://hi.baidu.com/aragon2/item/3e73e618e44e4042e75e0688

  

           以上方法为较粗略的步骤概括,还需要在以后进行更为详细的总结。

       

            

这篇关于cuda-convnet 的运行环境设置的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/411468

相关文章

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

Android实现任意版本设置默认的锁屏壁纸和桌面壁纸(两张壁纸可不一致)

客户有些需求需要设置默认壁纸和锁屏壁纸  在默认情况下 这两个壁纸是相同的  如果需要默认的锁屏壁纸和桌面壁纸不一样 需要额外修改 Android13实现 替换默认桌面壁纸: 将图片文件替换frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.*  (注意不能是bmp格式) 替换默认锁屏壁纸: 将图片资源放入vendo

安装nodejs环境

本文介绍了如何通过nvm(NodeVersionManager)安装和管理Node.js及npm的不同版本,包括下载安装脚本、检查版本并安装特定版本的方法。 1、安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash 2、查看nvm版本 nvm --version 3、安装

【IPV6从入门到起飞】5-1 IPV6+Home Assistant(搭建基本环境)

【IPV6从入门到起飞】5-1 IPV6+Home Assistant #搭建基本环境 1 背景2 docker下载 hass3 创建容器4 浏览器访问 hass5 手机APP远程访问hass6 更多玩法 1 背景 既然电脑可以IPV6入站,手机流量可以访问IPV6网络的服务,为什么不在电脑搭建Home Assistant(hass),来控制你的设备呢?@智能家居 @万物互联

高并发环境中保持幂等性

在高并发环境中保持幂等性是一项重要的挑战。幂等性指的是无论操作执行多少次,其效果都是相同的。确保操作的幂等性可以避免重复执行带来的副作用。以下是一些保持幂等性的常用方法: 唯一标识符: 请求唯一标识:在每次请求中引入唯一标识符(如 UUID 或者生成的唯一 ID),在处理请求时,系统可以检查这个标识符是否已经处理过,如果是,则忽略重复请求。幂等键(Idempotency Key):客户端在每次

pico2 开发环境搭建-基于ubuntu

pico2 开发环境搭建-基于ubuntu 安装编译工具链下载sdk 和example编译example 安装编译工具链 sudo apt install cmake gcc-arm-none-eabi libnewlib-arm-none-eabi libstdc++-arm-none-eabi-newlib 注意cmake的版本,需要在3.17 以上 下载sdk 和ex

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

跨系统环境下LabVIEW程序稳定运行

在LabVIEW开发中,不同电脑的配置和操作系统(如Win11与Win7)可能对程序的稳定运行产生影响。为了确保程序在不同平台上都能正常且稳定运行,需要从兼容性、驱动、以及性能优化等多个方面入手。本文将详细介绍如何在不同系统环境下,使LabVIEW开发的程序保持稳定运行的有效策略。 LabVIEW版本兼容性 LabVIEW各版本对不同操作系统的支持存在差异。因此,在开发程序时,尽量使用

Go Playground 在线编程环境

For all examples in this and the next chapter, we will use Go Playground. Go Playground represents a web service that can run programs written in Go. It can be opened in a web browser using the follow