2

我有以下基于Theano 示例的代码：

from theano import function, config, shared, sandbox
import theano.tensor as T
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([], T.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, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print('Used the cpu')
else:
    print('Used the gpu')

现在当我用两种模式测试代码时：

GPU模式，我明白了：

$ THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python gpu.py
Using gpu device 0: Tesla C2075 (CNMeM is enabled with initial size: 95.0% of memory, cuDNN not available)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.475526 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
Used the gpu

CPU模式，我明白了：

$ THEANO_FLAGS=mode=FAST_RUN,device=cpu,floatX=float32 python gpu.py
[Elemwise{exp,no_inplace}(<TensorType(float32, vector)>)]
Looping 1000 times took 5.221368 seconds
Result is [ 1.23178029  1.61879337  1.52278066 ...,  2.20771813  2.29967761
  1.62323284]
Used the cpu

请注意两件事，GPU 确实比 CPU 快（0.47 秒对 5 秒）。但同时在 GPU 上，我收到 cuDNN 不可用消息。

我的问题是这个。没有 cuDNN 有什么影响？它有害吗？

4

1 回答 1

1

如果您没有使用 cuDNN ，则您的代码不会使用 GPU 的所有功能。GPU在CPU之前的好处是GPU有很多真正的核心（从700到4000），普通CPU从1到8。

但 GPU 核心只能进行原始计算。如果您不使用 cuDNN ，则其他标准库会进行计算，或者可能（我不确切知道仅使用 GPU 内存并使用简单的 CPU 进行计算）。

CuDNN 是一个 GPU 加速的原语库。这意味着如果你开始制作深度神经网络应用程序，它不会那么快，因为它可以。

请阅读CuDNN

注意：因为我写的GPU核心只能进行原始计算，如果你选择使用GPU，但是使用GPU不支持的功能，theano会临时将应用程序切换为CPU的这种功能。（需要时间）

于 2017-03-15T13:07:54.677 回答