博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
【CUDA开发】CUDA的安装、Nvidia显卡型号及测试
阅读量:5160 次
发布时间:2019-06-13

本文共 954 字,大约阅读时间需要 3 分钟。

说明:想要让Theano在Windows8.1下能利用GPU并行运算,必须有支持GPU并行运算的Nvidia显卡,且要安装CUDA,千万不要电脑上是Intel或AMD的显卡,却要编写CUDA。

文中用到的所有软件均共享在百度云盘中,方便大家的使用!!
链接: 密码:8bk5

一、CUDA的安装

1、查看你的显卡是否支持GPU并行运算

"This PC"/"Manage"/"Device Manager"/"Display adapters",就可看到自己显卡的型号.

然后对照中支持GPU运算的网卡型号清单,看自己的Nvidia显卡是否在其列表中.

2、下载安装CUDA Toolkit

CUDA Toolkit下载地址:注意选择既要与自己系统匹配又要与所安装Python的版本相匹配的版本,就是说要么都用32位的,要么都用64位的,在此选择的是Windows 8.1 64bit桌面版.

文件将近1G左右,下载完成后双击exe可执行文件即可进行安装,安装过程略过。

二、.theanorc.txt文件的配置

在Home目录下(cmd命令框下可以看到,如我的是"C:\Users\leiguo"),创建.theanorc.txt文件,文件的内容如下:

画黄线的是容易出错的地方,一定要和你安装的Python和VS2012的路径保持一致,编辑好后,把它放置在Home目录下边,如下图位置所示:

三、测试你的安装配置有没有成功

在这里仍然使用上一节的测试用例,

import theano.tensor as T

from theano import function
x = T.dscalar('x')
y = T.dscalar('y')
z = x + y
f = function([x,y],z)
print f(2,3)

在Visual Studio 2012中执行之后可以看到如下的结果:
当看到"Using gpu device 0: GeForce GTX 750 Ti"这样的字眼之后,恭喜你,你搭建的CUDA平台安装配置工作已经完成,接下来就可以进行Deep Learning的学习了。

转载于:https://www.cnblogs.com/huty/p/8518147.html

你可能感兴趣的文章
Bouncy Castle内存溢出
查看>>
多线程_java多线程环境下栈信息分析思路
查看>>
机器学习数学【1】
查看>>
Problem E: Automatic Editing
查看>>
Java数组排序
查看>>
SpringBoot 使用 MyBatis 分页插件 PageHelper 进行分页查询
查看>>
《DSP using MATLAB》Problem 6.17
查看>>
微信公众平台开发实战Java版之如何网页授权获取用户基本信息
查看>>
一周TDD小结
查看>>
(三)建筑物多边形化简系列——去除冗余点
查看>>
Spring Boot Oauth2缓存UserDetails到Ehcache
查看>>
sizeof与strlen的用法
查看>>
2017 ICPCECPC 邀请赛 F,D,E, I 题解
查看>>
Linux 下常见目录及其功能
查看>>
python Termux Android 开发介绍
查看>>
开源框架中常用的php函数
查看>>
Java语法糖初探(三)--变长参数
查看>>
Liunx常用命令(Mile)
查看>>
nginx 的提升多个小文件访问的性能模块
查看>>
C#语言学习:变量的声明与初始化的范围(对比C++)
查看>>