Установка Keras и Theano на Windows 10 с поддержкой GPU. Часть 3 — TechCave

Оглавление В предыдущей статье мы установили Theano, в этой займемся Keras. Клонируйте стабильный релиз Keras (1.0.5) на локальный компьютер из GitHub, используя следующие команды: $ cd /c/toolkits $ git clone https://github

Установка Keras и Theano на Windows 10 с поддержкой GPU. Часть 3

Machine Learning/Data Mining/Big Data

Установка Keras и Theano на Windows 10 с поддержкой GPU. Часть 3

Оглавление

В предыдущей статье мы установили Theano, в этой займемся Keras.

Клонируйте стабильный релиз Keras (1.0.5) на локальный компьютер из GitHub, используя следующие команды:

$ cd /c/toolkits
$ git clone https://github.com/fchollet/keras.git keras-1.0.5 --branch 1.0.5

Это должно было склонировать Keras 1.0.5 в c:\toolkits\keras-1.0.5:

Теперь установите его следующим образом:

$ cd /c/toolkits/keras-1.0.5
$ python setup.py install --record installed_files.txt

Список установленных файлов можно найти здесь.

Проверить установку Keras можно следующим образом:

$ conda list | grep -i keras

Проверка установки Keras и работы с GPU

Мы можем обучить простой convnet (convolutional neural network) на наборе данных MNIST с помощью одного из примеров Keras. Файл называется mnist_cnn.py и его можно найти в папке примеров:

$ cd /c/toolkits/keras-1.0.5/examples
$ python mnist_cnn.py

Без cuDNN, каждая эпоха занимает около 21 с. Если вы установите TechPowerUp's GPU-Z, вы сможете отслеживать, насколько сильно загружен GPU. В данном случае (без cuDNN), мы видим загрузку GPU в 76%.

cuDNN v5

Теперь давайте установим cuDNN отсюда. Выберите cuDNN библиотеку для Windows 10 от 12 мая 2016 года:

Загруженный ZIP-файл содержит три каталога (bin, include, lib). Извлеките эти каталоги и скопируйте файлы, которые они содержат с одинаковыми именами папок в C:\toolkits\cuda-7.5.18.

Чтобы включить cuDNN, создайте новую системную переменную с именем THEANO_FLAGS_GPU_DNN и со следующим значением:

floatX=float32,device=gpu,optimizer_including=cudnn,lib.cnmem=0.8,dnn.conv.algo_bwd_filter=deterministic,dnn.conv.algo_bwd_data=deterministic,blas.ldflags=-LC:/toolkits/openblas-0.2.14-int32/bin -lopenblas

Выполните следующие команды:

$ THEANO_FLAGS=$THEANO_FLAGS_GPU_DNN
$ cd /c/toolkits/keras-1.0.5/examples
$ python mnist_cnn.py

Теперь, каждая эпоха занимает около 4 с, вместо 21 с, огромный прирост в скорости, с примерно таким же процентом использования GPU:

Вот, собственно, и все.

Оглавление

17:11
2298

Нет комментариев. Ваш будет первым!

Авторизация

Пользователи

Георгiй Москвитинъ
Andpyxa Tutunnik
Andrey_fox
Jane linch
genagy
Pasha Radiuk
KotikBSD
Эрик Имашев
Амир Исмагилов