精华内容
下载资源
问答
  • paddle paddle使用GPU

    万次阅读 2018-03-15 23:42:53
    安装GPU版本paddlepaddle  pip install paddlepaddle-gpu   2.设置使用GPU  使用GPU需要将use_gpu参数置为true: import paddle.v2 as paddle   # Initialize PaddlePaddle....paddle.init(use_gpu=tr
    1. 安装GPU版本paddlepaddle   
       pip install paddlepaddle-gpu     

           2.设置使用GPU

           使用GPU需要将use_gpu参数置为true:

    import paddle.v2 as paddle
     
    # Initialize PaddlePaddle.
    paddle.init(use_gpu = true, trainer_count = 1 )
     
    # Configure the neural network.
    x = paddle.layer.data(name = 'x' , type = paddle.data_type.dense_vector( 13 ))
    y_predict = paddle.layer.fc( input = x, size = 1 , act = paddle.activation.Linear())
     
    # Infer using provided test data.
    probs = paddle.infer(
         output_layer = y_predict,
         parameters = paddle.dataset.uci_housing.model(),
         input = [item for item in paddle.dataset.uci_housing.test()()])
     
    for i in xrange ( len (probs)):
         print 'Predicted price: ${:,.2f}' . format (probs[i][ 0 ] * 1000 )

         3.GPU和CPU的混合使用

    可以设置parallel_nn来混合使用GPU和CPU计算网络层的参数。也就是说,你可以将网络配置成某些层使用GPU计算,而其他层使用CPU计算。另一种方式是将网络层划分到不同的GPU上去计算,这样可以减小GPU内存,或者采用并行计算来加速某些层的更新。如果想在网络配置中指定设备的ID号(表示为deviceId),并且加上的命令行参数:--parallel_nn=true

    #command line:
    paddle train - - use_gpu = true - - parallel_nn = true - - trainer_count = COUNT
     
    #network:
    fc2 = fc_layer( input = l1, layer_attr = ExtraAttr(device = 0 ), ...)
    fc3 = fc_layer( input = l1, layer_attr = ExtraAttr(device = 1 ), ...)
    fc4 = fc_layer( input = fc2, layer_attr = ExtraAttr(device = - 1 ), ...)

    在本例中,我们假设一台机器上有4个GPU。

    • trainer_count=1:
    • 使用0号GPU计算fc2层。
    • 使用1号GPU计算fc3层。
    • 使用CPU计算fc4层。

    • trainer_count=2:

    • 使用0号和1号GPU计算fc2层。
    • 使用2号和3号GPU计算fc3层。
    • 使用CPU两线程计算fc4层。


    展开全文
  • 从Anaconda开始安装Paddle-gpu(Windows) 首先根据电脑配置安装cuda和cudnn,再下载安装系统对应版本的Anaconda,最后安装Paddle即可,具体步骤如下。 文章目录从Anaconda开始安装Paddle-gpu(Windows)一、CUDA, ...

    从Anaconda开始安装Paddle-gpu(Windows)

    首先根据电脑配置安装cuda和cudnn,再下载安装系统对应版本的Anaconda,最后安装Paddle即可,具体步骤如下。

    一、CUDA, cuDNN安装

    1. 查看电脑是否安装了CUDA

    • 打开cmd命令行,进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin查看(注意:这个地址因人而异,在执行前要查看版本是否为v10.2)

      cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
      nvcc -V
      

      如果出现类似下面的版本信息,即为安装成功

      在这里插入图片描述

    • 若未安装,则前往英伟达官网安装对应的CUDA,这里不再赘述,安装完成执行上一步验证是否安装成功

    2. 安装cuDNN

    查看是否安装了cuDNN,进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include,查看是否有cudnn_version.h头文件,若有,则已安装,版本可以打开该文件查看

    在这里插入图片描述

    该声明即为版本8.1.0;

    若没有该文件,则需要安装cuDNN。

    安装cuDNN步骤:

    • 下载安装包,进入NVIDIA官网下载地址,注册登录并填写问卷后即可根据系统选择版本下载

    • 下载后解压,解压后如下图

      在这里插入图片描述

    • 找到CUDA的安装路径

      1. 复制 cuDNN bin 目录下的文件到 CUDA 的 bin 目录下(.dll)
      2. 复制 cuDNN include 目录下的文件到 CUDA 的 include 目录下(.h)
      3. 复制 cuDNN lib/x64 目录下的文件到 CUDA 的 lib/x64 目录下(.lib)

      (注意: 是将解压后三个文件夹中的内容移到原CUDA安装路径中的三个文件夹中,即取并集)
      在这里插入图片描述

    • 配置环境变量

      在系统环境变量Path中增加以下两条

      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
      

      保存即可

    • 验证是否安装成功,执行以下两条命令

      cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
      bandwidthTest.exe
      

      若出现Result = PASS,即为成功安装

      在这里插入图片描述

    二、安装Anaconda

    • 进入Anaconda官网,下载对应的Anaconda版本,若下载速度慢,可以记下版本从清华源下载

    • 下载后照常安装,注意安装步骤中出现Advanced Options时选择第一项,将Anaconda加到环境变量里,否则需要之后手动添加,最好安装路径中不要出现中文

    • 安装后打开Anaconda Prompt,添加几个常用的清华源

      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
      conda config --set show_channel_urls yes
      #以下有需要的添加
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
      

    三、Paddle安装

    • 打开飞桨的安装网站,选择合适的版本,这里我选择如下

      在这里插入图片描述

    • 打开Anaconda Prompt,创建环境(我选择的python版本为3.8)

      conda create -n paddle_env python=3.8
      

      进入该环境

      activate paddle_env
      
    • 开始安装

      我的电脑为CUDA10.2,cuDNN8.1,选择此条命令

      在这里插入图片描述

      但是这里需要格外注意:我们执行命令时不要带后面的-c paddle,否则下载速度奇慢,去掉这个才能从清华源下载,速度很可观。建议执行下面这条命令(注意版本)

      conda install paddlepaddle-gpu cudatoolkit=10.2
      
    • 验证安装,执行以下命令

      python
      import paddle
      paddle.utils.run_check()
      

      若出现PaddlePaddle is installed successfully!则成功安装

      (import paddle后可能出现一些提示信息,注意分辨若不是报错可不必理会)

      在这里插入图片描述


    若在Anaconda Prompt执行安装或者创建命令的过程中出现下载失败的问题,可以根据错误信息中的链接手动下载,放入Anaconda/pkgs中,然后在Anaconda/pkgs/urls.txt中加入下载地址,然后重新执行安装指令

    如果执行代码时出现matplotlib包调取出错执行下面的指令安装matplotlib包

    conda install matplotlib
    
    展开全文
  • 【飞桨】win10-paddle-GPU环境配置

    千次阅读 2020-10-26 12:06:45
    飞桨-paddle-GPU环境配置 1.新建环境 为了排除环境问题,咱们先新建一个环境: 打开anaconda Prompt (不知道jie个si啥的安装一下anaconda),输入 conda create -n paddle_gpu python=3.6 -n, --name 参数指定环境...

    飞桨-paddle-GPU环境配置

    1.新建环境

    为了排除环境问题,咱们先新建一个环境: 打开anaconda Prompt (不知道jie个si啥的安装一下anaconda),输入

    conda create -n paddle_gpu python=3.6
    -n, --name 参数指定环境名称 python=3.6 的意思是指定Python版本为3.6

    插一句,如果conda下载对应的包贼慢的话,可以换一下源,这里实例为换清华源:

    (base) C:\Users\user> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    (base) C:\Users\user> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    (base) C:\Users\user> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

    设置搜索时显示通道地址

    (base) C:\Users\user> conda config --set show_channel_urls yes
    大家也可以根据情况更换百度源,阿里云源等

    新环境准备完毕后,激活就可以:

    (base) C:\Users\user>conda activate paddle_gpu

    (paddle_gpu) C:\Users\user>

    2.cuda安装

    在进行下一步之前,我们需要安装cuda和cudnn

    CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。
    点击这个下载链接:https://developer.nvidia.com/cuda-downloads
    在这里插入图片描述
    在这里插入图片描述

    (应该没有不是win10系统的老铁吧?)
    在这里插入图片描述

    可以右键,复制链接,然后用某雷下载,可以看到速度还kuo以

    就是这个链接:
    https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_411.31_win10

    选择一个cuda的临时解压路径
    在这里插入图片描述

    等待解压结束 (我这三年前买的电脑,还挺慢的…)

    在这里插入图片描述

    再等一会儿…
    在这里插入图片描述

    在这里插入图片描述

    推荐选择自定义,如果想选择全家桶也可以(多半用不到)

    在这里插入图片描述

    在这里插入图片描述

    这个 visual studio integration 也可以不选: (此图片摘自博客:https://blog.csdn.net/XunCiy/article/details/89070315)

    推荐换个地方安装:
    在这里插入图片描述

    电风扇又要吹一会儿了…(安装过程中可能屏幕有闪烁,不要慌问题不大)
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    安装完毕后,测试一下吧,win+R 输入cmd,在cmd中输入 nvcc -V OKOK,安装成功:
    在这里插入图片描述

    也可以从环境变量中检查:

    在这里插入图片描述

    3.CUDNN的安装

    NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。

    这是下载地址:https://developer.nvidia.com/rdp/cudnn-download

    这里的话,得注册一下

    在这里插入图片描述
    在这里插入图片描述

    注册并填了一个问卷之后,点击同意:
    在这里插入图片描述
    在这里插入图片描述

    记住后边一定是 for CUDA10.0 或者 for CUDA9.0,别的可不行啊(当前版本是这样的)

    和刚才一样,右键复制链接,扔到某雷中下载:
    https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.0_20191031/cudnn-10.0-windows10-x64-v7.6.5.32.zip
    下载完毕后,将其解压缩,里面有三个文件夹:
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述

    将这三个文件夹的内容分别放到之前CUDA的文件夹对应的目录中:

    (就是将解压后得到的的bin ,include 和lib文件夹分别复制到cuda安装路径下与cuda的bin ,include 和lib文件夹合并)

    在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

    到此为止,需要重启一下电脑,因为环境变量的设置,在window下大多要重启

    4.Paddlepaddle_GPU安装

    铺垫了这么多,终于走到这一步了: 打开 anaconda prompt:

    打开我们之前建立的环境

    conda activate paddle_gpu
    python -m pip install paddlepaddle-gpu==1.8.3.post107 -i https://mirror.baidu.com/pypi/simple
    静静地等待它安装好就行了:

    接下来在这个中断运行:

    import paddle.fluid
    paddle.fluid.install_check.run_check()
    如果出现 Your Paddle Fluid is installed successfully!,说明您已成功安装。 在这里插入图片描述

    5.安装对应的显卡驱动
    首先先查一下自己的显卡型号:
    在这里插入图片描述

    在这里插入图片描述

    看到我的显卡是GeForce GTX 1050

    在官方下载网站:https://www.nvidia.cn/Download/index.aspx?lang=cn
    找到对应的配置,注意笔记本电脑要注意选择(notebook版本),点击搜索
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    下载完毕后打开程序
    在这里插入图片描述
    在这里插入图片描述

    一路默认即可,最后验证一下:

    win + R 输入 cmd:
    nvidia-smi
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/20201026120547817.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81MDQxMTAzMg==,size_16,color_FFFFFF,t_70#pic_center

    6.安装Paddlepaddle-GPU总结

    我们来总结一下,安装GPU版本的Paddlepaddle,需要安装三个部分:显卡驱动、CUDA和cudnn

    1.显卡驱动 由 电脑自带的nvidia显卡型号来决定

    2.CUDA版本 与 需要安装的AI框架版本相对应,

    如安装paddlepaddle-gpu1.8.3.post97则需要安装CUDA9.0,安装paddlepaddle-gpu1.8.3.post107则需要安装CUDA10.0

    3.cudnn版本由已经安装的CUDA版本所决定

    所以笔者推荐的顺序是,查看AI框架,选择一个合适的版本,根据AI框架的版本安装对应的CUDA,根据CUDA版本安装cudnn,检查一下电脑nvidia显卡驱动的版本是否为最新,是则可以安装AI框架,否则更新驱动再安装

    展开全文
  • 本文提供了使用conda安装paddle-gpu的两种方法,如下所示。 1、官方清华源安装 官方安装:链接 conda install paddlepaddle-gpu==2.1.0 cudatoolkit=10.2 --channel ...

    由于网络问题,使用官方提供的清华源安装方式经常会遇到链接超时安装不成功的问题,本文另外提供了北外镜像源的安装方法,亲测高速有效。两种方法,如下所示。

    1、官方清华源安装

    官方安装:链接

    conda install paddlepaddle-gpu==2.1.0 cudatoolkit=10.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
    

    2、北外镜像源安装

    官方使用了清华源,但是许多时候网络差会报错,可以采用以下北京外国语大学的镜像源进行安装,亲测快速有效。

    conda install paddlepaddle-gpu==2.0.1 cudatoolkit=10.2 --channel https://mirrors.bfsu.edu.cn/anaconda/cloud/Paddle/
    
    展开全文
  • ubuntu20安装 paddle-gpu

    2020-10-16 11:04:05
    引读1、环境需求前期环境准备2、依赖以及框架安装cuda11安装nccl2.7.8的导入cudnn 8.0.4.30 导入TensorRT-7.2.0.14导入库链接3、paddlepaddle-gpu安装4、测试 由于本人原因,本次没有实机演示,我会尽可能的描述清楚...
  • 深度学习框架paddle(GPU版本)安装

    千次阅读 2019-02-13 11:54:24
    1.环境:ubuntu16.04 LTS版,CUDA9.0,CUDNN7.0,安装的paddle版本是v1.2.0。 官网安装地址:http://staging.paddlepaddle.org/documentation/docs/zh/1.2/beginners_guide/install/install_Ubuntu.html 2.安装好...
  • 在anaconda prompt中依次执行以下命令即可...# 安装paddlepaddle的gpu版本及cudakittool(gpu版本可以使用cpu) conda install paddlepaddle-gpu==2.0.2 cudatoolkit=10.0 --channel https://mirrors.tuna.tsinghua.edu
  • 根据自己的cuda,cuddn版本拉取paddle镜像 可查看:...因为docker只要19.03以上的,都支持gpu,所以不用再nvidia-docker,再run时加上–gpu即可。 1.拉取镜像 docker pull paddlepaddle
  • 安装whl安装依赖项测试报错解决解决方法测试Paddle Inference环境准备测试跑通GPU预测模型报错解决运行demo过程中卡住core dumped 系统环境 JetPack4.4 如果需要此镜像的同学可以在Jetson 下载中心下载即可。 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,202
精华内容 1,680
关键字:

paddle多gpu