Instale o ambiente acelerado de GPU Theano

1. ambiente de GPU theano

O design subjacente do ambiente de GPU theano depende principalmente do módulo pygpu para aceleração da rede neural. Portanto, a primeira etapa é instalar o ambiente pygpu. Existem duas maneiras de instalar: a
primeira é instalar no ambiente conda. Você pode inserir diretamente o seguinte comando para instalar:

conda install pygpu

Isso também é instalado no pacote conda-forge

conda install -c conda-forge pygpu

Em seguida, instale o ambiente da biblioteca de rede neural theano

pip install theano
# 或者是 conda install theano

Suponha que precisamos instalar o pygpu em um ambiente virtual. Neste momento, precisamos compilar o pygpu.
Primeiro, a compilação do libpygpuarray requer cmake, c99, cython e outros ambientes dependentes. O ambiente cython pode ser instalado diretamente via pip:

pip install cython

Instalar cmake pode ser instalado diretamente assim

sudo apt install cmake

Ou instale através do código-fonte. A seguir está a instalação de libpygpuarray.
Primeiro baixe o arquivo de origem de libpygpuarray do github de theano

git clone https://github.com/Theano/libgpuarray.git
cd libgpuarray

Crie um diretório de compilação para compilar. Se você deseja usar libgpuarray para desenvolvimento, pode compilar da seguinte forma:

cd <dir>
mkdir Build
cd Build
# you can pass -DCMAKE_INSTALL_PREFIX=/path/to/somewhere to install to an alternate location
cmake .. -DCMAKE_BUILD_TYPE=Release # or Debug if you are investigating a crash
make
make install
cd ..

Se você deseja apenas instalar o pygpu, você só precisa ativar o ambiente virtual (se necessário) e, em seguida, realizar as seguintes operações na pasta do código-fonte

python setup.py build
python setup.py install

Observe que o processo de instalação do python acima requer o suporte do Cython. Em seguida, crie o arquivo .theanorc na pasta do usuário.

nano ~/.theanorc

E escreva o seguinte conteúdo no arquivo

[global]
device = cuda
floatX=float32
root = /usr/local/cuda

[nvcc]
fastmath=True
compiler_bindir=/usr/local/cuda-10.2/bin

[blas]
ldflags = -lopenblas

[cuda]
root = /usr/local/cuda-10.2

[dnn]

enabled=True
inclue_path=/usr/local/cuda/include
library_path=/usr/local/cuda/lib64

Em seguida, prossiga para a instalação do ambiente theano, para que seja instalado o ambiente de operação acelerada da GPU theano.

2. Teste de GPU Theano

O código para testar a GPU theano é mostrado abaixo, crie um novo test.py

from theano import function, config, shared, tensor
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([], tensor.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, tensor.Elemwise) and
              ('Gpu' not in type(x.op).__name__)
              for x in f.maker.fgraph.toposort()]):
    print('Used the cpu')
else:
    print('Used the gpu')

Finalmente, as seguintes informações aparecem, indicando que o ambiente de GPU foi instalado com sucesso

referência

[1] documentação de referência da libpygpu
[2] documentação de referência do theano