问题标签 [theano-cuda]

在 Ubuntu 操作系统上运行 theano.test() 时，会产生一些关于优化失败的错误消息，如下所示：

有谁知道解决这些问题的方法，或者到底发生了什么？

我正在尝试在 theano 中使用 gpu。我制作了 .theanorc 文件并尝试运行以下 python 代码：

我从 deeplearning.net 获得了这段代码。

输出：

我开始安装theano。

我的电脑规格： - 操作系统：Windows 7 64 位 - 显卡：NVIDIA Geforce GT 630 - CPU：AMD FX-8120

我通过 deeplearning.net 的安装指南安装了 theano。（http://deeplearning.net/software/theano/install_windows.html#configure-theano-for-gpu-use）

我成功完成了下的安装过程。

Visual Studio 2010 -> Windows 软件开发工具包版本 7.1 -> CUDA -> Microsoft Visual C++ Complier for Python 2.7（添加头文件）-> TDM GCC -> WinPython-64bit-2.7.9.4 -> env.bat -> Theano 设置

当我创建一个测试文件（下）并对其进行测试时，它成功执行。

------测试文件----------------------

但是当我添加 .theanorc.txt ---.theanorc.txt--------------------------------

它给了我这样的错误（下）

https://www.dropbox.com/s/gjspcpaz4hkeep8/11.PNG?dl=0

我对 CUDA-devicequery 和 nvidia-smi.exe 没有任何问题

-------------------------设备查询------------------------ --

-------------------------nvidia-smi.exe-------------------- ------

请帮我..

我刚刚开始使用 Theano 和深度学习。我正在尝试 Theano 教程中的一个示例（http://deeplearning.net/software/theano/tutorial/using_gpu.html#returning-a-handle-to-device-allocated-data）。示例代码如下所示：

我试图理解定义'vlen'的表达，

我在文本中找不到任何地方提到此示例中指定的 GPU 内核数以及为什么选择 30。我也找不到为什么使用 768 个线程的值。我的 GPU (GeForce 840M) 有 384 个内核。我可以假设如果我用 384 代替 30 的值，我将使用所有 384 个内核吗？768个线程的值也应该保持固定吗？

我创建了一个简单的 Python 脚本（使用 Theano）来执行应该在 GPU 上运行的线性回归。当代码启动时，它显示“使用 gpu 设备”，但是（根据分析器）所有操作都是特定于 CPU 的（ElemWise，而不是 GpuElemWise，没有 GpuFromHost 等）。

我检查了变量 THEANO_FLAGS，一切似乎都是正确的，但我看不到任何问题（尤其是当具有相同设置的 Theano 教程在 GPU 上正确运行时 :)）。

这是代码：

• THEANO_FLAGS=cuda.root=/usr/local/cuda
• 设备=gpu
• 浮动X=浮动32
• lib.cnmem=.5
• 配置文件=真
• CUDA_LAUNCH_BLOCKING=1

输出：

我在 py 2.7 上运行没有 GPU 的 Theano 已经有一段时间了。然后决定检查 GPU 支持。所以遵循这里给出的所有步骤：http: //docs.nvidia.com/cuda/cuda-getting-started-guide-for-microsoft-windows/index.html#abstract

然后在msvc 2013中打开设备查询sln并构建（如上面链接中提到的检查安装是否成功）。在运行时它给了我一个错误（附加的屏幕截图）。

当我在 py 2.7 中使用带有 Theanorc 文件内容的 gpu 运行启动程序时，会出现类似的错误：

没有收到 nvcc -V 和 cl.exe 的错误。操作系统 - win7 SP1 NVIDIA GeForce GT650M

有人可以帮忙吗？

我是 Theano 的新手。遵循本指南后：http : //deeplearning.net/software/theano/install_windows.html#install-windows 我设法正确使用 theano。后来我升级到 theano dev 版本，现在我不断收到这个异常：

.theanorc 文件：

nvcc.profile：

我毫无疑问地发现，出于某种原因，来自 .theanorc 的 FLAGS 被调用了两次，如果我在 .theanorc 中放了两次，我会在异常中得到 4 次。但我不知道那些两次提到的标志在哪里。这个 theano-nvcc-cuda- 怎么样？连锁工作？谁在调用 nvcc 并导致此问题？

顺便说一句，如果我不指定 cl-version，我会得到

我正在尝试安装 Theano，这是我的情况。

系统是 Windows 10（64 位），CUDA 7.5 与 Visual Studio 2013 一起安装。Python 发行版是 Enthought Canopy（2.7.10，32 位），带有 pip、numpy（1.9.2-3）和 scipy（0.17） .0-2)。

安装如下，1.用pip安装Theano(0.7)；2.使用enpkg工具安装mingw（4.8.1-2）和libpython（1.2）；3.将新建的libpython27.a复制到${PYTHONHOME}/Libs中；4. 编辑并保存 c:\users\${myName} 下的 .theanorc.txt 为

当我尝试导入 theano 时，我收到以下警告和错误：

mod.cu(1019)：警告：语句无法访问

mod.cu(1019)：警告：语句无法访问

mod.cu 链接：致命错误 LNK1181：无法打开输入文件 'cublas.lib'

['nvcc', '-shared', '-O3', '-LC:\Users\${myName}\AppData\Local\Enthought\Canopy32\User\libs', '--compiler-bindir', 'C :\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin', '-Xlinker', '/DEBUG', '-D HAVE_ROUND', '-m32', '-Xcompiler', '-DCUDA_NDARRAY_CUH=11b90075e2397c684f9dc0f7276eab8f, -D NPY_NO_DEPRECATED_API=NPY_1_7_API_VERSION,/Zi,/MD', '-IC:\Users\${myName}\AppData\Local\Enthought\Canopy32\User\lib\site-packages\theano\sandbox\cuda', '- IC:\Users\${myName}\AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\lib\site-packages\numpy\core\include', '-IC:\用户\${myName}\AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\include', '-o', 'C:\Users\${myName}\AppData\Local\Theano\compiledir_Windows-8-6.2.9200-Intel64_Family_6_Model_71_Stepping_1_GenuineIntel-2.7.10-32\cuda_ndarray\cuda_ndarray.pyd', 'mod.cu', '-LC:\Users\ ${myName}\AppData\Local\Enthought\Canopy32\User\EGG-INFO\mingw\usr\x86_64-w64-mingw32\lib', '-LC:\Users\${myName}\AppData\Local\Enthought\ Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\libs', '-LC:\Users\${myName}\AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win -x86'，'-lpython27'，'-lcublas'，'-lcudart']\Users\${myName}\AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\libs', '-LC:\Users\${myName}\AppData\Local\Enthought \Canopy32\App\appdata\canopy-1.6.2.3262.win-x86'，'-lpython27'，'-lcublas'，'-lcudart']\Users\${myName}\AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\libs', '-LC:\Users\${myName}\AppData\Local\Enthought \Canopy32\App\appdata\canopy-1.6.2.3262.win-x86'，'-lpython27'，'-lcublas'，'-lcudart']

错误 (theano.sandbox.cuda): 无法编译 cuda_ndarray.cu: ('nvcc return status', 2, 'for cmd', 'nvcc -shared -O3 -LC:\Users\${myName}\AppData\Local \Enthought\Canopy32\User\libs --compiler-bindir C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin -Xlinker /DEBUG -D HAVE_ROUND -m32 -Xcompiler -DCUDA_NDARRAY_CUH=11b90075e2397c684f9dc0f7276eab8f,-D NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION,/Zi,/MD -IC:\Users\${myName}\AppData\Local\Enthought\Canopy32\User\lib\site-packages\theano\sandbox\cuda -IC:\Users\${myName}\ AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\lib\site-packages\numpy\core\include -IC:\Users\${myName}\AppData\Local\Enthought\ Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\include -o C:\Users\${myName}\AppData\Local\Theano\compiledir_Windows-8-6.2。9200-Intel64_Family_6_Model_71_Stepping_1_GenuineIntel-2.7.10-32\cuda_ndarray\cuda_ndarray.pyd mod.cu -LC:\Users\${myName}\AppData\Local\Enthought\Canopy32\User\EGG-INFO\mingw\usr\x86_64-w64 -mingw32\lib -LC:\Users\${myName}\AppData\Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86\libs -LC:\Users\${myName}\AppData \Local\Enthought\Canopy32\App\appdata\canopy-1.6.2.3262.win-x86 -lpython27 -lcublas -lcudart')

警告（theano.sandbox.cuda）：CUDA 已安装，但设备 gpu 不可用（错误：cuda 不可用）

我想知道是否是 32 位 Python 与 64 位系统导致了问题。

我有一些子张量，由于某种原因，Theano 无法将其传输到 GPU。

一些示例代码：

我添加了一些as_cuda_ndarray_variable以使问题更清楚，因为在输出中，您会看到传输GpuFromHost和HostFromGpu，如果它可以在 GPU 上执行 AdvancedSubtensor，它将避免这种情况。输出。

那么，为什么 Theano 不能将其转换为 GPU 运算呢？

另外，如何重写 Theano 将在 GPU 上进行计算的代码？

Google Groups 中的相关问题：here和here 和here。

TL;DR：如何在不占用更多内存的情况下向 Theano 函数提供更多数据？

我遇到的问题是使用 Theano 在 GPU 上训练我的 ML 算法会导致 GPU 最终耗尽内存。我稍微偏离了教程，因为我的数据集太大而无法完全读入内存（这也一定是视频算法的问题，对吧？），所以我没有使用索引输入和更新方案，而是通过 Theano直接运行ndarrays。

让我举一个例子来说明我的意思。在 Theano 的 Logistic Regression 教程中，它说要按照以下方式做一些事情：

这需要test_set_x和test_set_y被加载到内存中，本教程使用 aSharedVariable来存储完整的数据集。

好吧，对我来说，数据集很大（很多千兆字节），这意味着它不能一次全部加载到内存中，所以我修改了我的数据以直接获取数据，因此：

然后我做了一些看起来像这样的事情：

我想我可能从根本上误解了如何正确地将数据交给 GPU 而不会有一些讨厌的 python 垃圾收集脏。看起来这只是在内部占用模型中越来越多的内存，因为在经过（大量）批次训练后，我收到如下错误：

如何在不占用更多内存的情况下向 Theano 函数提供更多数据？