CUDA기타설치 - 편집 역사

Admin: /* torch */

2017-07-06T02:26:33Z

torch

2017-07-06T02:25:39Z

opencv

2017-07-06T02:24:58Z

caffe

2017-07-06T02:24:05Z

2017-07-06T02:22:25Z

mxnet

2017-07-06T02:22:02Z

caffe

2017-07-04T09:01:30Z

mxnet

2017-07-04T08:28:44Z

mxnet

2017-07-04T08:27:58Z

torch

2017-07-04T08:15:03Z

tensorflow

@@ 72번째 줄: / 72번째 줄: @@
 ** {{c|PReLU_forward}}는 실패했다가 성공하는 신기한 일도 발생 -_- 그냥 간헐적인 것인지.
 * CUDA나 linux-header바뀌었으면 {{c|install.sh}}다시 돌려야 함
-* 검증코드<blockquote>
+* 검증코드
- a = torch.rand(5,3)
+<pre> a = torch.rand(5,3)
   b = torch.rand(3,4)
   c = torch.Tensor(5,4)
@@ 80번째 줄: / 80번째 줄: @@
   b = b:cuda()
   c = c:cuda()
-  c:mm(a,b)
+  c:mm(a,b)</pre>
-</blockquote><br>다른 테스트예제들은 [https://github.com/soumith/cvpr2015/blob/master/Deep%20Learning%20with%20Torch.ipynb 여기]서 참고.
+다른 테스트예제들은 [https://github.com/soumith/cvpr2015/blob/master/Deep%20Learning%20with%20Torch.ipynb 여기]서 참고.

@@ 64번째 줄: / 64번째 줄: @@
   make -j16
 파이썬 모듈만 쓸거면 {{c|make install}} 무쓸모.<br>
-파이썬에서 {{c|import cv2}}해서 별 말 없으면 성공. {{c|PYTHONPATH}} 설정 잊지 말것. (cv2.so가 들어있는 폴더를 붙여줌)
+파이썬에서 {{c|import cv2}}해서 별 말 없으면 성공. <br>
 {{c|PYTHONPATH}} 설정 잊지 말것. (cv2.so가 들어있는 폴더를 붙여줌)
 ==torch==

@@ 41번째 줄: / 41번째 줄: @@
 http://mxnet.io/get_started/install.html<br>
 {{c|1=context=model.cpu()}}일때보다 {{c|model.gpu()}}일 때 64배가량 빠르다. (mnist 예제)
 ==caffe==
 * http://caffe.berkeleyvision.org/install_apt.html

@@ 8번째 줄: / 8번째 줄: @@
 ** 안해도 (위에 설치한) cuda toolkit안에 기본으로 들어있긴 하다. 버전이 조금 낮을 뿐. (현재 툴킷8.0에 cudnn5.0이 들어가있다. 최신은 6.0)
 ** nvidia에 멤버쉽이 필요하다. 공짜니까 그냥 가입하고 적당한거 다운받아서 복사해 넣는다.
 ==tensorflow==
 * [http://www.nvidia.com/object/gpu-accelerated-applications-tensorflow-installation.html 설치 howto] 왠 텐서플로우 설치문서를 엔비디아가...
@@ 31번째 줄: / 30번째 줄: @@
 * 다음도 하면 좋다고 한다.[https://www.tensorflow.org/install/install_linux]
 *<pre>sudo apt-get install libcupti-dev</pre>
 ==mxnet==
   $ pip install mxnet-cu80
 validation:
-<pre>
+<pre>>>> import mxnet as mx
 >>> a = mx.nd.ones((2, 3), mx.gpu())
 >>> b = a * 2 + 1
@@ 44번째 줄: / 41번째 줄: @@
 http://mxnet.io/get_started/install.html<br>
 {{c|1=context=model.cpu()}}일때보다 {{c|model.gpu()}}일 때 64배가량 빠르다. (mnist 예제)
 ==caffe==
 * http://caffe.berkeleyvision.org/install_apt.html
@@ 83번째 줄: / 79번째 줄: @@
 </blockquote><br>다른 테스트예제들은 [https://github.com/soumith/cvpr2015/blob/master/Deep%20Learning%20with%20Torch.ipynb 여기]서 참고.
 <disqus></disqus>

@@ 35번째 줄: / 35번째 줄: @@
   $ pip install mxnet-cu80
 validation:
-<pre>>>> import mxnet as mx
+<pre>
 >>> a = mx.nd.ones((2, 3), mx.gpu())
 >>> b = a * 2 + 1

← 이전 판		2017년 7월 4일 (화) 08:28 판
71번째 줄:		71번째 줄:

	==mxnet==		==mxnet==
−		+	$ pip install mxnet-cu80
		+	validation:
		+	<pre>>>> import mxnet as mx
		+	>>> a = mx.nd.ones((2, 3), mx.gpu())
		+	>>> b = a * 2 + 1
		+	>>> b.asnumpy()
		+	array([[ 3., 3., 3.],
		+	[ 3., 3., 3.]], dtype=float32)</pre>
		+	http://mxnet.io/get_started/install.html

← 이전 판		2017년 7월 4일 (화) 08:27 판
70번째 줄:		70번째 줄:
	</blockquote><br>다른 테스트예제들은 [https://github.com/soumith/cvpr2015/blob/master/Deep%20Learning%20with%20Torch.ipynb 여기]서 참고.		</blockquote><br>다른 테스트예제들은 [https://github.com/soumith/cvpr2015/blob/master/Deep%20Learning%20with%20Torch.ipynb 여기]서 참고.

−		+	==mxnet==

@@ 26번째 줄: / 26번째 줄: @@
 sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
 # Runs the op.
-print(sess.run(c))</pre>
+print(sess.run(c))</pre>실행 후 로그 잘 보면 데이터를 gpu메모리로 복사하는 중인지 자세히 나옴.
 * 쿠다변경때문에(근본적으로는 커널헤더 업데이트때문에) 업데이트 해야 할것 같으면 테스트부터 해볼것. 테스트 잘 통과하면 다시 빌드할 필요 없다.
 ** 쿠다 업데이트 이후에 아무것도 안건드려도 tf 그냥 잘 돌아가는 경우가 흔하다.