本文主要介绍在有NVIDIA GPU的ubuntu16.04上配置cuda8.0，opencv，caffe的环境。由于之前我也写过关于cuda配置和opencv编译的博客，这里主要还是关注caffe的编译。
1. 配置cuda和cudnn
cuda和cudnn的配置可以参考我之前写过的一篇文章：ubuntu16.04配置cuda。请注意：cudnn只支持computing capacity在3.0(含)以上的GPU上运行，所以在安装cudnn之前请检查你的GPU版本是否支持cudnn。检查方法在文中也指出了。
继续阅读 »
本文主要介绍在ubuntu16.04上配置nvidia驱动、cuda和cudnn，我的操作系统是ubuntu 16.04.1 LTS Desktop 64bit，GPU型号是Tesla C2075（一款相对较老的GPU）。本文的组织结构如下：
1.准备工作
由于在安装显卡驱动的过程中可能会出现重启后在登录界面反复重复的问题，因此后面可能会使用命令行的方式进行进一步设置。建议通过网络ssh的方式访问机器，记下机器的ip，同时安装openssh-server。
sudo apt install openssh-server
同时需要将Intel自带的显卡功能禁用，这部分主要依靠在启动时修改BIOS，具体方法请google。然后检查
继续阅读 »
本文主要介绍如何在安装完caffe后运行一个简单的例程：手写数字识别，以了解和熟悉caffe的基本使用过程。至于如何安装caffe，请参考我之前的文章：ubuntu 16.04上配置cuda+caffe环境。
继续阅读 »
本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载.本文由机器之心编译,蒋思源、刘晓坤参与.
本文从最基本的依赖项开始,依次配置了 VS 2015、Anaconda 4.4.0、CUDA 8.0.61 和 cuDNN v5.1 等基本环境,然后再从 Keras 出发安装 Theano、TensorFlow 和 CNTK 以作为其后端.在完成配置深度学习框架后,本文分别利用这三个框架作为 Keras 后端在 CPU 和 GPU 上训练了一个标准的卷积神经网络,完成该简单的卷积网络也就意味着我们完成了深度学习环境的配置.
继续阅读 »