问题标签 [theano-cuda]

我是 Theano 和深度学习的新手，我正在 Theano 中进行实验，但我想通过直接使用 GPU 进行数据增强来减少每个 epoch 所花费的时间。

不幸的是我不能使用 PyCuda，所以我想知道是否可以使用 Theano 进行基本的数据增强。例如图像中的平移或旋转，同时我使用 Numpy 在 CPU 中使用 scipy 函数，但速度很慢。

我刚刚在 Windows 8.1（64 位）上安装了 Anaconda 和 PyCharm。对于现有项目，我创建了一个 conda 环境，其中包括 Theano 和其他一些库。

Theano 能够使用 GPU（带有 CUDA）或 CPU 进行计算。我更喜欢使用 GPU，因为它要快得多。

如果我在命令行中启动项目的测试脚本，我会得到以下输出：

这就是我喜欢的输出。

我也尝试用 PyCharm 做到这一点。我安装了它并使用了正确的 conda 环境，但我总是得到这个输出：

Theano 然后使用 CPU（这非常慢......）。在命令行中，我检查了“g++”的位置：

这意味着使用的 g++ 在创建的环境的脚本目录中。当然，我可以将路径添加C:\Users\XXX\Anaconda2\envs\venv\Scripts到系统的路径变量中，但这很丑陋，因为我还必须使用不同的环境。

有人知道如何用 PyCharm 做到这一点吗？

非常感谢

问候

凯文

我正在训练模型Theano 0.9并Lasagne 0.1希望在 GPU 上运行它。我设置THEANO_FLAGS如下：

Theano 打印它正在使用 GPU

但是，我注意到它不是，分析表明它正在使用根据文档的CorrMM操作

CorrMM 这是一个仅 CPU 的 2d 相关实现，取自 caffe 的 cpp 实现，也被 Torch 使用。

我安装了 CUDA Toolkit 7.5，Tensorflow 在 GPU 上完美运行。出于某种原因，Theano 正在回退到 CPU，它应该由于force_device标志而导致错误，但事实并非如此。

我不确定问题出在哪里，因为我是 Theano 的新手，感谢您的帮助。

我正在运行这个简单的代码，它将两个大型数组复制到 GPU 内存以进行点积计算。

但是，似乎在每次代码运行后（在 Spyder 中），为这些共享变量分配的 GPU 内存并没有被释放。

我正在使用带有 12GB RAM 的 Titan-X，我只能运行此代码两次，第三次会产生以下错误：

这是我的 theanorc 文件：

我正在使用 nvidia-smi 监控 GPU 内存使用情况，我可以看到它在 3 次代码运行后消耗了所有 12GB 的内存。

我是运行 Scientific Linux 6.6 版（Carbon）的集群计算机上的非 root 用户。

在使用 CUDA 7.5 和 cuDNN 5 在 GPU 上运行代码时，我遇到了一些 theano 崩溃。我使用的是 Python 2.7、Theano 0.9、Keras 1.0.7 和 Lasange 0.1。

仅当我在启用了 cuDNN 的 GPU 节点上运行程序时，才会发生以下崩溃。该代码在禁用 cuDNN 的 CPU 和 GPU 上顺利完成。

我的 .theanorc 看起来像这样：

我的个人资料有以下内容：

当我查询 theano 时，返回以下内容，这表明 theano 正在与 CUDA 和 cuDNN 交互。

我相当确定我已经正确安装了 CUDA 和 cuDNN，如果有人能提出任何我可能错过的导致 cuDNN 使程序崩溃的额外配置步骤，我将不胜感激。

我可以在没有 root 访问权限的情况下在本地安装cuDNN吗？

我没有对我正在使用的 linux 机器的 root 访问权限（发行版是 openSuse），但我已经安装了 CUDA 7.5。

我正在使用 Theano，我需要 cuDNN 来提高 GPU 上的操作速度。

我cudnn-7.5-linux-x64-v5.1从 Nvidia 下载并按照说明将 CuDNN 存档内容复制到 CUDA 安装文件夹，即（cuda/lib64/ 和 cuda/include/）。但这需要我具有root访问权限。

是否可以在本地提取 cudnn 存档并为 theano 提供 cudnn 库的路径？

（下面问题中的错误消息很长。TL；DR，这里是具体问题： 为什么这个测试代码不能在 TX1 的 GPU 上执行，我需要做什么才能让它这样做？）

我刚刚使用 JetPack 2.3 刷写并安装了全新的 Nvidia Jetson TX1。我正在尝试将 Theano 安装在 TX1 上，以便能够使用板载 GPU，以进行进一步的机器学习和神经网络应用程序。

但是，我似乎无法让 GPU 本身工作。

Theano 的安装取自这里：

安装的 Theano 版本是 0.9.0.dev2，python 版本是 2.7.12。

我从这里使用了测试脚本：

按照建议运行时：

我得到以下响应，其中充满了错误、警告以及在 CPU 而不是 GPU 上的执行：

当我将设备标志更改为“gpu”时：

情况有所改善，至少找到了 NVIDIA Tegra X1，尽管它最终没有被使用：

我确实计划将警告行发送到 Theano 邮件列表，但该警告似乎与我目前的主要问题无关： 为什么此测试代码不在 TX1 的 GPU 上执行，我需要做什么才能做到所以？

Theano 导入失败，theano 配置cnmem = 1

知道如何确保将 GPU 完全分配给 theano python 脚本吗？

注意：不使用显示以避免其 GPU 使用

文件：.theanorc

文件：test.py

输出：

它仅适用于 cnmem = 0.75

文件：.theanorc

输出：

我开始涉足深度学习，我正在尝试第 6 章中的示例，位于 neuronetworksanddeeplearning.com 上。Theano 告诉我，它正在使用我的 GPU（GTX 780）。然而，GPU 使用率仅徘徊在 40~50% 左右，时钟速度仅为 ~800 MHz（游戏中的正常 Boost 时钟为 ~1100 MHz）。

这是正常的吗？或者这里有什么问题？

有几个地方提到在使用 GPU 时使用共享变量可以提高性能（例如这里或这里）。但我还没有找到任何量化差异的数字。

今天，我学校的一位教授告诉我，我基本上是在浪费时间设置共享变量，因为速度可以忽略不计。

是否有任何你知道的正式测试，或者你的个人经验/启发式失败是什么？