CUDA机器学习与数据挖掘

CentOS 7 安装cuda环境

2016-12-15  本文已影响872人  dgax_chen

创建时间:2016-11-25
作者:海滨

背景介绍:为了加速类prisma风格图片渲染速度(开源项目yusuketomoto/chainer-fast-neuralstyle),先需要对一台装有GeForce GTX 780 Ti的CentOS机器安装cuda环境。

安装CentOS 7系统

网络配置

由于ifconfig命令没有安装,可以使用ip命令代替。
显示当前网卡信息:ip addr show
编辑网卡配置:vi /etc/sysconfig/network-scripts/ifcfg-eno1
新增IP地址和网关信息:

IPADDR=192.168.199.88
GATEWAY=192.168.199.1
DNS1=192.168.199.1

将ip地址获取从dhcp改成static:

BOOTPROTO=static

重启网络服务:service network restart
测试网络服务:ping www.baidu.com

前提软件安装

pip安装
当前系统自带python却没有pip,晕!

curl "https://bootstrap.pypa.io/get-pip.py" -o "get-pip.py”
python get-pip.py

其他软件

安装cuda

首先下载cuda安装包,本次下载的是CentOS 7 runfile版本

参照官方手册操作,进行安装即可,这里大致介绍下自己安装过程中的坎。

安装cudnn

使用GPU加速神经网络的计算
下载cudnn安装包,其实就是lib库和头文件的压缩包,最终解压拷贝到cuda安装路径的lib64、include文件即可。

安装风格图片渲染环境chainer

参照chainer官方文档

加速结果测试

服务器配置:

CPU: Intel(R) Xeon(R) CPU E3-1270 v3 @ 3.50GHz(8核)
GPU: GeForce GTX 780 Ti

不使用GPU加速
运行代码:python generate.py sample_images/tubingen.jpg -m models/composition.model -o sample_images/output.jpg
运行时间:13s

使用GPU加速
运行代码:python generate.py sample_images/tubingen.jpg -m models/composition.model -o sample_images/output.jpg -g 0
运行时间:1.5s

加速效果非常明显,性能提升接近10倍。

上一篇下一篇

猜你喜欢

热点阅读