安装cuda-convnet

最新推荐文章于 2024-12-23 14:52:44 发布

原创最新推荐文章于 2024-12-23 14:52:44 发布 · 1.6k 阅读

0 ·

CC 4.0 BY-SA版权

machine learning 同时被 2 个专栏收录

5 篇文章

订阅专栏

cuda

1 篇文章

订阅专栏

本文介绍了CUDA-ConvNet2的安装过程及遇到的问题解决办法，包括配置路径、编译错误处理、显卡兼容性调整等，并分享了使用经验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先，通过git下载cuda-convnet2的代码，在build.sh中调整一下路径，就可以成功build了。

装好后想进行一下测试，就取网上找数据，发现imagenet实在太大，就准备用cifar-10。只有10类，50000 train batches， 10000 test batches。下载地址为http://www.cs.toronto.edu/~kriz/cifar-10-py-colmajor.tar.gz

下载完后，用python打开保存在meta中的dict，用cPickle解压就行。然后执行python convnet.py --data-path=./dataset/srcdir/cifar-10-py-colmajor/ --save-path=./dataset/tardir/ --test-range=6 --train-range=1-5 --layer-def=./layers/layers-cifar10-11pct.cfg --layer-params=./layers/layer-params-cifar10-11pct.cfg --data-provider=cifar --test-freq=13 --gpu=0

发现出错，在convdata.py中修改img_size为32。。。再跑还是不行src/nvmatrix.cu(394) : getLastCudaError() CUDA error : kSetupCurand: Kernel execution failed : (8) invalid device function .似乎是gtx660 compute capability只有3.0达不到要求。然后尝试修改makefile

To solve the issue we needed to change the makefiles in cuda-convnet2/nvmatrix ,cuda-convnet2/cudaconv3 and cuda-convnet2/cudaconvnet.

In all the three files we added references to architecture 50 in the CUDA code generation flags (used to have only reference to 35), so the section should now look like:

# CUDA code generation flags

GENCODE_SM35 := -gencode arch=compute_35,code=sm_35

GENCODE_SM50 := -gencode arch=compute_50,code=sm_50 GENCODE_FLAGS := $(GENCODE_SM35) $(GENCODE_SM50)

After making the changed you should probably also do a ./build.sh clean and then a new build.

但是build不成功，恐怕还是要换显卡。

不过对cuda-convnet2还是更熟悉了一些，主要通过配置layer参数来使用，还是很方便的。