Redian新闻
>
centos 7下自动安装各种CNN库
avatar
centos 7下自动安装各种CNN库# Programming - 葵花宝典
w*g
1
这两天在整理系统,把各种deep learning库的安装自动化了
如果有同学折腾重装系统的可以帮我测试下
https://github.com/aaalgo/centos7-deep
因为deep learning的软件都比较新,老系统支持不好,
所以一般也就是centos 7和ubuntu 14.04。我觉得
centos 7环境可能更稳定点。再过一个月ubuntu 16.04
出来,14.04就要退了。
avatar
a*f
2
avatar
a*g
3
好啊。

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
l*m
4
如果装在docker里,会慢很多吗

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
w*g
5
没试过。如果cuda能跑起来,应该不会慢很多。

【在 l*******m 的大作中提到】
: 如果装在docker里,会慢很多吗
avatar
w*g
7
我觉得4GB的GTX应该可以入门了吧,200出头一点。
6G以上如果只是玩玩的话我觉得就太贵了。如果能赚钱,买硬件其实都是小钱。
还可以报税。我手上有一块570,大的要死只有1.2G,今天刚刚也装上了。
跑不了大数据,但是主力机忙的时候做做测试似乎也还可以。
软件全是一样的。

【在 e*******o 的大作中提到】
: 大牛给推荐一套性价比高的硬件吧
: 这个貌似写了个指南
: http://timdettmers.com/2015/03/09/deep-learning-hardware-guide/

avatar
p*e
8
Nvidia在新版的驱动或者是CUDA里边把游戏用显卡GPU的双精度运算performance限制到
一个
比较低的值,这样避免和他家专门用来计算用的显卡竞争。硬件版上有人建议用退役的
专业
计算卡,比方说M2090,才100块不到。当然有些小缺点。比方说散热比较麻烦,还有就是
没法直接检查GPU温度。

【在 w***g 的大作中提到】
: 我觉得4GB的GTX应该可以入门了吧,200出头一点。
: 6G以上如果只是玩玩的话我觉得就太贵了。如果能赚钱,买硬件其实都是小钱。
: 还可以报税。我手上有一块570,大的要死只有1.2G,今天刚刚也装上了。
: 跑不了大数据,但是主力机忙的时候做做测试似乎也还可以。
: 软件全是一样的。

avatar
p*e
9
请问在docker里边能直接访问主机的GPU吗?

【在 l*******m 的大作中提到】
: 如果装在docker里,会慢很多吗
avatar
l*n
10
自己加显卡主要是两个问题,1是电源功率,2是散热。

就是

【在 p******e 的大作中提到】
: Nvidia在新版的驱动或者是CUDA里边把游戏用显卡GPU的双精度运算performance限制到
: 一个
: 比较低的值,这样避免和他家专门用来计算用的显卡竞争。硬件版上有人建议用退役的
: 专业
: 计算卡,比方说M2090,才100块不到。当然有些小缺点。比方说散热比较麻烦,还有就是
: 没法直接检查GPU温度。

avatar
l*m
11
应该没问题,不过我懒没试

【在 p******e 的大作中提到】
: 请问在docker里边能直接访问主机的GPU吗?
avatar
w*g
12
M2090确实不错。

就是

【在 p******e 的大作中提到】
: Nvidia在新版的驱动或者是CUDA里边把游戏用显卡GPU的双精度运算performance限制到
: 一个
: 比较低的值,这样避免和他家专门用来计算用的显卡竞争。硬件版上有人建议用退役的
: 专业
: 计算卡,比方说M2090,才100块不到。当然有些小缺点。比方说散热比较麻烦,还有就是
: 没法直接检查GPU温度。

avatar
r*y
13
赞一把

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
b*i
14
这个咱有啊,问题是要装CentOS啊,不能装虚拟机还用GTX970吧?

【在 w***g 的大作中提到】
: 我觉得4GB的GTX应该可以入门了吧,200出头一点。
: 6G以上如果只是玩玩的话我觉得就太贵了。如果能赚钱,买硬件其实都是小钱。
: 还可以报税。我手上有一块570,大的要死只有1.2G,今天刚刚也装上了。
: 跑不了大数据,但是主力机忙的时候做做测试似乎也还可以。
: 软件全是一样的。

avatar
L*8
15
我打算自己写一个

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
b*s
16
无需密码的sudo权限的用户 这个改sudoer文件就可以
avatar
w*g
17
ubuntu的自己手工装其实也花不了多少时间。
我是因为要一下子重装三台机器才做的这个。

【在 b***i 的大作中提到】
: 这个咱有啊,问题是要装CentOS啊,不能装虚拟机还用GTX970吧?
avatar
e*o
18
没有玩过硬件
http://www.costco.com/Alienware-Area-51-Desktop-%7c-Intel-Core-
这个买回来装 ubuntu 如何?

【在 w***g 的大作中提到】
: 我觉得4GB的GTX应该可以入门了吧,200出头一点。
: 6G以上如果只是玩玩的话我觉得就太贵了。如果能赚钱,买硬件其实都是小钱。
: 还可以报税。我手上有一块570,大的要死只有1.2G,今天刚刚也装上了。
: 跑不了大数据,但是主力机忙的时候做做测试似乎也还可以。
: 软件全是一样的。

avatar
w*g
19
硬件我也不懂。刚刚硬件版上看的,8核e5 2670 才70,应该能超过core i7。
再配上楼上说的那个$100的GPU,应该就是一个不错的平台。
我去硬件版问问怎么搭机器。

【在 e*******o 的大作中提到】
: 没有玩过硬件
: http://www.costco.com/Alienware-Area-51-Desktop-%7c-Intel-Core-
: 这个买回来装 ubuntu 如何?

avatar
e*o
20
过去看了看,好东西不少。

【在 w***g 的大作中提到】
: 硬件我也不懂。刚刚硬件版上看的,8核e5 2670 才70,应该能超过core i7。
: 再配上楼上说的那个$100的GPU,应该就是一个不错的平台。
: 我去硬件版问问怎么搭机器。

avatar
w*g
21
我觉得我们应该搞个本版deep learning标配。
CPU+GPU+16G内存应该$200能搞下来。硬盘算$50吧, 1T HDD。
问题是barebone的机器不好弄。
最好能有二手的server,如果走台式机的话价钱就上去了。

【在 e*******o 的大作中提到】
: 过去看了看,好东西不少。
avatar
e*o
22
1366平台,主力配置(样板机)
外观效果见此帖:
http://www.chiphell.com/thread-1242340-1-1.html
CPU: 2x Xeon X5680 (12-core, 3.3-3.6GHz),1366时代的次旗舰
主板:ASUS Z8PE-D12x,或类似的E-ATX双路大主板
内存:96GB (12x8GB) DDR3-1333 RDIMM
硬盘:250GB SSD + 2TB HDD
显卡:Geforce GT630,或类似的中低端独立显卡
机箱:NZXT S340,一代经典,容量仅38升,非常小巧
电源:SeaSonic SS600-ET (600W)
散热:2x Zalman CNPS10X Performa
北桥散热:Evercool EC-NCA-610EA
Total:$1350
1366平台,GPGPU强化型
显卡:2x Tesla M2090
电源:EVGA SuperNOVA 850B2,或类似功率名牌电源
其它同样板机
Total:$1725
http://www.mitbbs.com/article_t2/Hardware/31861023.html
自己折腾是性价比高很多,不过太耗时间了。

【在 w***g 的大作中提到】
: 我觉得我们应该搞个本版deep learning标配。
: CPU+GPU+16G内存应该$200能搞下来。硬盘算$50吧, 1T HDD。
: 问题是barebone的机器不好弄。
: 最好能有二手的server,如果走台式机的话价钱就上去了。

avatar
w*g
23
这个还是比较便宜的,但是就不是entry level的了。
这个层次的机器做deep learning,得上1TB的SSD外加2x 4TB HDD才比较均衡吧。
刚刚给我LD配过一台机器,单路CPU加titan X的近$4000。通过学校买没法搞二手货,
其实也不在乎价钱。就是不知道哪个网站上可以配出来双路96G的配置。

【在 e*******o 的大作中提到】
: 1366平台,主力配置(样板机)
: 外观效果见此帖:
: http://www.chiphell.com/thread-1242340-1-1.html
: CPU: 2x Xeon X5680 (12-core, 3.3-3.6GHz),1366时代的次旗舰
: 主板:ASUS Z8PE-D12x,或类似的E-ATX双路大主板
: 内存:96GB (12x8GB) DDR3-1333 RDIMM
: 硬盘:250GB SSD + 2TB HDD
: 显卡:Geforce GT630,或类似的中低端独立显卡
: 机箱:NZXT S340,一代经典,容量仅38升,非常小巧
: 电源:SeaSonic SS600-ET (600W)

avatar
N*m
24
哪有?根本没找着

【在 w***g 的大作中提到】
: 硬件我也不懂。刚刚硬件版上看的,8核e5 2670 才70,应该能超过core i7。
: 再配上楼上说的那个$100的GPU,应该就是一个不错的平台。
: 我去硬件版问问怎么搭机器。

avatar
p*o
25
1366上内存插满都是3的倍数

【在 w***g 的大作中提到】
: 这个还是比较便宜的,但是就不是entry level的了。
: 这个层次的机器做deep learning,得上1TB的SSD外加2x 4TB HDD才比较均衡吧。
: 刚刚给我LD配过一台机器,单路CPU加titan X的近$4000。通过学校买没法搞二手货,
: 其实也不在乎价钱。就是不知道哪个网站上可以配出来双路96G的配置。

avatar
w*g
26
上面echowuhao列的1366平台,GPGPU强化型
显卡:2x Tesla M2090
这个M2090就是
【在 N*****m 的大作中提到】
: 哪有?根本没找着
avatar
N*m
27
太折腾了
还是到AWS开一个EC2好了,用完关了

【在 w***g 的大作中提到】
: 上面echowuhao列的1366平台,GPGPU强化型
: 显卡:2x Tesla M2090
: 这个M2090就是
avatar
l*m
28
M2090没风扇,一般人搞不定

【在 w***g 的大作中提到】
: 上面echowuhao列的1366平台,GPGPU强化型
: 显卡:2x Tesla M2090
: 这个M2090就是
avatar
w*g
29
那就算了give up了。

【在 l*******m 的大作中提到】
: M2090没风扇,一般人搞不定
avatar
l*n
30
如果机箱空间足够大,自己加两个好点的风扇,没有问题的
关键是电源,特别是品牌机的电源都有限,2个M2090至少得500w左右,只能自己攒。
硬件班的双路狂魔搞性价比很高的双cpu机器很厉害,他好像也帮人装机

【在 w***g 的大作中提到】
: 那就算了give up了。
avatar
l*m
31
现在NVDA没有威胁的竞争,买些股票,把一些盈利去买GPU,至少冬天train model的时候
很暖和
avatar
m*s
32
请问有regression 的版本号吗? 多谢

就是

【在 p******e 的大作中提到】
: Nvidia在新版的驱动或者是CUDA里边把游戏用显卡GPU的双精度运算performance限制到
: 一个
: 比较低的值,这样避免和他家专门用来计算用的显卡竞争。硬件版上有人建议用退役的
: 专业
: 计算卡,比方说M2090,才100块不到。当然有些小缺点。比方说散热比较麻烦,还有就是
: 没法直接检查GPU温度。

avatar
m*s
33
请问有regression 的版本号吗? 多谢

就是

【在 p******e 的大作中提到】
: Nvidia在新版的驱动或者是CUDA里边把游戏用显卡GPU的双精度运算performance限制到
: 一个
: 比较低的值,这样避免和他家专门用来计算用的显卡竞争。硬件版上有人建议用退役的
: 专业
: 计算卡,比方说M2090,才100块不到。当然有些小缺点。比方说散热比较麻烦,还有就是
: 没法直接检查GPU温度。

avatar
n*7
34
你这是陈年旧帖了
现在双路E5 2670 + 64 GB内存,1000刀无痛装机
无痛的意思是,不用挑二手货(只有cpu和mem买二手,大把货源,而且这两个基本不会
坏)
不用考虑服务器主板不兼容的问题(选用ATX 版型,代价是只有8个内存槽)
我大概10年没装机,也两个小时轻松搞定了,就是乐高

【在 e*******o 的大作中提到】
: 1366平台,主力配置(样板机)
: 外观效果见此帖:
: http://www.chiphell.com/thread-1242340-1-1.html
: CPU: 2x Xeon X5680 (12-core, 3.3-3.6GHz),1366时代的次旗舰
: 主板:ASUS Z8PE-D12x,或类似的E-ATX双路大主板
: 内存:96GB (12x8GB) DDR3-1333 RDIMM
: 硬盘:250GB SSD + 2TB HDD
: 显卡:Geforce GT630,或类似的中低端独立显卡
: 机箱:NZXT S340,一代经典,容量仅38升,非常小巧
: 电源:SeaSonic SS600-ET (600W)

avatar
e*o
35
牛逼,
大致写一下配置?多谢。

【在 n******7 的大作中提到】
: 你这是陈年旧帖了
: 现在双路E5 2670 + 64 GB内存,1000刀无痛装机
: 无痛的意思是,不用挑二手货(只有cpu和mem买二手,大把货源,而且这两个基本不会
: 坏)
: 不用考虑服务器主板不兼容的问题(选用ATX 版型,代价是只有8个内存槽)
: 我大概10年没装机,也两个小时轻松搞定了,就是乐高

avatar
n*7
36
硬件版的牛人是老汤跟小枪
我根据他们的经验配了一个懒人版,仅供参考
CPU E5-2670 X2 ebay 70x2
MEM ECC DDR3 1366 8X8G ebay 130 (性能跟1600差别很小,便宜几十刀)
主板 ASUS ATX Z9PA-D8 320
这个是懒人配置的关键,一般的二手服务器主板都是EEB 版型
即使机箱支持,往往也需要在机箱上钻孔
二手板子也不好淘
这也是整个配置性价比最低的一块
散热器 ZALMAN CNPS9900MAX 50x2
单独列出来是因为双路机器的风路要仔细考虑
特别是ATX版型的机器,两个CPU槽太近,大型散热器可能会冲突
这款是老汤推荐的,我就直接用了
这样还有300左右的预算用了买机箱,硬盘,电源,绰绰有余了
这个主板带显卡,但是是VGA口
接大显示器最好在搞个亮机卡,顺便解决主板没声卡的问题

【在 e*******o 的大作中提到】
: 牛逼,
: 大致写一下配置?多谢。

avatar
l*s
37
多少钱?

【在 n******7 的大作中提到】
: 硬件版的牛人是老汤跟小枪
: 我根据他们的经验配了一个懒人版,仅供参考
: CPU E5-2670 X2 ebay 70x2
: MEM ECC DDR3 1366 8X8G ebay 130 (性能跟1600差别很小,便宜几十刀)
: 主板 ASUS ATX Z9PA-D8 320
: 这个是懒人配置的关键,一般的二手服务器主板都是EEB 版型
: 即使机箱支持,往往也需要在机箱上钻孔
: 二手板子也不好淘
: 这也是整个配置性价比最低的一块
: 散热器 ZALMAN CNPS9900MAX 50x2

avatar
j*n
38
我前几天头脑发热进了HP的一台机器I7+GTX970.
看了帖子发现970不能做CNN, 悲剧了。
请问970能用在哪一类DNN? 谢谢。

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
n*7
39
1000

【在 l*********s 的大作中提到】
: 多少钱?
avatar
w*g
40
970很好啊。这次alex拿第一就用的970。

【在 j****n 的大作中提到】
: 我前几天头脑发热进了HP的一台机器I7+GTX970.
: 看了帖子发现970不能做CNN, 悲剧了。
: 请问970能用在哪一类DNN? 谢谢。

avatar
w*g
41
$1000没啥挑战性。 $500能配一个出来吗?
CPU性能只需要core i7的60%就行。内存16G。钱够的前提下先扩展内存。
扔地下室remote access,VGA都可以不要。
我的经验,训练CNN的时候CPU基本上是i7 1个core用足的样子,
所以CPU不是瓶颈。

【在 n******7 的大作中提到】
: 硬件版的牛人是老汤跟小枪
: 我根据他们的经验配了一个懒人版,仅供参考
: CPU E5-2670 X2 ebay 70x2
: MEM ECC DDR3 1366 8X8G ebay 130 (性能跟1600差别很小,便宜几十刀)
: 主板 ASUS ATX Z9PA-D8 320
: 这个是懒人配置的关键,一般的二手服务器主板都是EEB 版型
: 即使机箱支持,往往也需要在机箱上钻孔
: 二手板子也不好淘
: 这也是整个配置性价比最低的一块
: 散热器 ZALMAN CNPS9900MAX 50x2

avatar
j*n
42
嗯,据说有一些limitation, 不过我的水平估计还不用担心hit 这个limitation.
100%新手.

【在 w***g 的大作中提到】
: 970很好啊。这次alex拿第一就用的970。
avatar
p*e
43
不好意思,我还真不知道具体的版本信息。我记得是在hardware版或者是在其他的
地方看到过这个消息。但是我估计你没法直接降级显卡的驱动,因为那可能会导致
你其他的GPU相关软件版本不兼容。

【在 m******s 的大作中提到】
: 请问有regression 的版本号吗? 多谢
:
: 就是

avatar
n*7
44
1000的可是双路16核64G ECC啊
按你这需求
500块钱的单路机太容易了
特别是你不需要ECC 内存的话
品牌机都有不少
自己配的话 随便找个i5 + 4x8GB内存条 就可以了
加起来300左右,有deal就更便宜了
剩下的钱主板机箱电源硬盘
可以去 http://pcpartpicker.com/ 玩玩
看来CNN主要靠GPU了?

【在 w***g 的大作中提到】
: $1000没啥挑战性。 $500能配一个出来吗?
: CPU性能只需要core i7的60%就行。内存16G。钱够的前提下先扩展内存。
: 扔地下室remote access,VGA都可以不要。
: 我的经验,训练CNN的时候CPU基本上是i7 1个core用足的样子,
: 所以CPU不是瓶颈。

avatar
w*g
45
一般说来大家日常用的机器一般不适合搞deep learning。
所以最好专门配一个机器玩。我想看看最便宜多少钱可以配一个
比较靠谱的配置。
我说的这个deep learning是指图片识别。这个>90%的活
都在GPU上。别的玩法可能不需要GPU。
你这个网站不错。我12年的时候装了一批机器,有七八台吧,
现在都还在用。感觉最近几年没有任何升级机器的动力。

【在 n******7 的大作中提到】
: 1000的可是双路16核64G ECC啊
: 按你这需求
: 500块钱的单路机太容易了
: 特别是你不需要ECC 内存的话
: 品牌机都有不少
: 自己配的话 随便找个i5 + 4x8GB内存条 就可以了
: 加起来300左右,有deal就更便宜了
: 剩下的钱主板机箱电源硬盘
: 可以去 http://pcpartpicker.com/ 玩玩
: 看来CNN主要靠GPU了?

avatar
n*7
46
12年的机器应该是二代i7,完全够了
托AMD的福,这几年CPU进步不大

【在 w***g 的大作中提到】
: 一般说来大家日常用的机器一般不适合搞deep learning。
: 所以最好专门配一个机器玩。我想看看最便宜多少钱可以配一个
: 比较靠谱的配置。
: 我说的这个deep learning是指图片识别。这个>90%的活
: 都在GPU上。别的玩法可能不需要GPU。
: 你这个网站不错。我12年的时候装了一批机器,有七八台吧,
: 现在都还在用。感觉最近几年没有任何升级机器的动力。

avatar
w*g
47
终于打通了任督二脉,集成了所有的CNN库。
https://github.com/aaalgo/xnn.git
#include
cv::Mat image = cv::imread("xxx");
C++下用CNN预测简化为下面三行代码。
unique_ptr model(xnn::Model::create(model_dir, 1));
vector ft;
model->apply(image, &ft);
如果是分类问题, ft的长度就是类型个数。如果是
segmentation,ft就是输出图像的大小。
根据model_dir下的内容自动检测是caffe, mxnet还
是python (theano, tensorflow以及别的各种python库,
只要输入输出是numpy.array就行)。python库载入的时候慢点,
但是如果用batch mode跑,基本上没有overhead。
当然训练模型还是需要各显神通了。(很多模型可以直接从网上
下载。)

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
S*8
48
Re

【在 w***g 的大作中提到】
: 终于打通了任督二脉,集成了所有的CNN库。
: https://github.com/aaalgo/xnn.git
: #include
: cv::Mat image = cv::imread("xxx");
: C++下用CNN预测简化为下面三行代码。
: unique_ptr model(xnn::Model::create(model_dir, 1));
: vector ft;
: model->apply(image, &ft);
: 如果是分类问题, ft的长度就是类型个数。如果是
: segmentation,ft就是输出图像的大小。

avatar
n*7
49
nb

【在 w***g 的大作中提到】
: 终于打通了任督二脉,集成了所有的CNN库。
: https://github.com/aaalgo/xnn.git
: #include
: cv::Mat image = cv::imread("xxx");
: C++下用CNN预测简化为下面三行代码。
: unique_ptr model(xnn::Model::create(model_dir, 1));
: vector ft;
: model->apply(image, &ft);
: 如果是分类问题, ft的长度就是类型个数。如果是
: segmentation,ft就是输出图像的大小。

avatar
S*8
50
wdong这套东西能不能稍微改改搞个os x的? 感觉会有更多人用

【在 w***g 的大作中提到】
: 终于打通了任督二脉,集成了所有的CNN库。
: https://github.com/aaalgo/xnn.git
: #include
: cv::Mat image = cv::imread("xxx");
: C++下用CNN预测简化为下面三行代码。
: unique_ptr model(xnn::Model::create(model_dir, 1));
: vector ft;
: model->apply(image, &ft);
: 如果是分类问题, ft的长度就是类型个数。如果是
: segmentation,ft就是输出图像的大小。

avatar
w*g
51
我开源过不少项目,基本上用户都只有我自己一个。开源的目的
无非是保证这个代码以后自己还能有权使用而不至于变成别人的
IP。
如果哪天有冤大头出钱我肯定会做的,否则自然是按照自己的喜好
来了。我搞小作坊,多几个用户对我没有意义。

【在 S****8 的大作中提到】
: wdong这套东西能不能稍微改改搞个os x的? 感觉会有更多人用
avatar
n*7
52
能讲讲为啥不开源以后就不能用了?
首先这方法都是公开的吧,别人无法patent
而你的实现是你自己写的,就算别人做一样的方法,也不能不让你自己实现啊?

【在 w***g 的大作中提到】
: 我开源过不少项目,基本上用户都只有我自己一个。开源的目的
: 无非是保证这个代码以后自己还能有权使用而不至于变成别人的
: IP。
: 如果哪天有冤大头出钱我肯定会做的,否则自然是按照自己的喜好
: 来了。我搞小作坊,多几个用户对我没有意义。

avatar
h*i
53
你那个kgraph还是有些人用的。
对了,你看了kgraph上的一个最近的issue么?说kgraph最新的版本performance
regression。咋回事啊?kgraph和那个annoy比起来如何?据说annoy是一个人hack
week几个下午写出来的。

【在 w***g 的大作中提到】
: 我开源过不少项目,基本上用户都只有我自己一个。开源的目的
: 无非是保证这个代码以后自己还能有权使用而不至于变成别人的
: IP。
: 如果哪天有冤大头出钱我肯定会做的,否则自然是按照自己的喜好
: 来了。我搞小作坊,多几个用户对我没有意义。

avatar
e*o
54
专业的太贵
退役的有些已经不支持了
比如tensorflow m2090已经不支持了

就是

【在 p******e 的大作中提到】
: Nvidia在新版的驱动或者是CUDA里边把游戏用显卡GPU的双精度运算performance限制到
: 一个
: 比较低的值,这样避免和他家专门用来计算用的显卡竞争。硬件版上有人建议用退役的
: 专业
: 计算卡,比方说M2090,才100块不到。当然有些小缺点。比方说散热比较麻烦,还有就是
: 没法直接检查GPU温度。

avatar
e*o
55
你看我之前发的帖子 那个作者还有一篇专门介绍GPU的 专门讲了970比较悲剧
今天我看tensorflow 官方支持的有Titan titan x
专业的是k20 k40
我觉得要是真相玩 上Titan 比较合适
专业板的太贵了

【在 j****n 的大作中提到】
: 我前几天头脑发热进了HP的一台机器I7+GTX970.
: 看了帖子发现970不能做CNN, 悲剧了。
: 请问970能用在哪一类DNN? 谢谢。

avatar
n*3
56
any JVM based CNN/deep learning 库 ?
OR most deep learning 库 is based on c/c++, then python wraper?

【在 w***g 的大作中提到】
: 终于打通了任督二脉,集成了所有的CNN库。
: https://github.com/aaalgo/xnn.git
: #include
: cv::Mat image = cv::imread("xxx");
: C++下用CNN预测简化为下面三行代码。
: unique_ptr model(xnn::Model::create(model_dir, 1));
: vector ft;
: model->apply(image, &ft);
: 如果是分类问题, ft的长度就是类型个数。如果是
: segmentation,ft就是输出图像的大小。

avatar
l*s
57
http://deeplearning4j.org/
no need to thank me

【在 n*****3 的大作中提到】
: any JVM based CNN/deep learning 库 ?
: OR most deep learning 库 is based on c/c++, then python wraper?

avatar
e*s
58
看狗发的文章 gpu已经不是关键了
大规模的优化还是要考分布式和CPU.

【在 e*******o 的大作中提到】
: 你看我之前发的帖子 那个作者还有一篇专门介绍GPU的 专门讲了970比较悲剧
: 今天我看tensorflow 官方支持的有Titan titan x
: 专业的是k20 k40
: 我觉得要是真相玩 上Titan 比较合适
: 专业板的太贵了

avatar
S*8
59
哪个文章? link?

【在 e*******s 的大作中提到】
: 看狗发的文章 gpu已经不是关键了
: 大规模的优化还是要考分布式和CPU.

avatar
t*c
60
mxnet 现在有了java,scala的wrapper。不推荐deeplearning4j.

【在 l*********s 的大作中提到】
: http://deeplearning4j.org/
: no need to thank me

avatar
h*i
61
mxnet,都是一帮老中搞的,看上去很不错。

【在 t*******c 的大作中提到】
: mxnet 现在有了java,scala的wrapper。不推荐deeplearning4j.
avatar
l*m
62
为啥developers都是老中呢?

【在 h*i 的大作中提到】
: mxnet,都是一帮老中搞的,看上去很不错。
avatar
w*g
63
老中人力贱。

【在 l*******m 的大作中提到】
: 为啥developers都是老中呢?
avatar
l*m
64
看来datos很狡猾

【在 w***g 的大作中提到】
: 老中人力贱。
avatar
K*o
65
centos下面装NVIDIA驱动需要先disable nouveau驱动吗?另外如果是optimus的硬件的
话,也就是还有集成显卡的情况,怎么处理?
avatar
w*g
66
nvidia的程序会自动disable nouveau驱动。
集成显卡最省事的做法就是在bios里面disable掉。
我试图折腾cuda只用来做计算,然后用集成显卡做显示,还没搞成过。

【在 K******o 的大作中提到】
: centos下面装NVIDIA驱动需要先disable nouveau驱动吗?另外如果是optimus的硬件的
: 话,也就是还有集成显卡的情况,怎么处理?

avatar
t*d
67
老大,写个 DL 的入门教程吧!

【在 w***g 的大作中提到】
: 这两天在整理系统,把各种deep learning库的安装自动化了
: 如果有同学折腾重装系统的可以帮我测试下
: https://github.com/aaalgo/centos7-deep
: 因为deep learning的软件都比较新,老系统支持不好,
: 所以一般也就是centos 7和ubuntu 14.04。我觉得
: centos 7环境可能更稳定点。再过一个月ubuntu 16.04
: 出来,14.04就要退了。

avatar
l*m
69
我在ubuntu上就是用集成显卡无头viz, 只用cuda做计算,这样很省电。就根据nvda的
手册安装就好了

【在 w***g 的大作中提到】
: nvidia的程序会自动disable nouveau驱动。
: 集成显卡最省事的做法就是在bios里面disable掉。
: 我试图折腾cuda只用来做计算,然后用集成显卡做显示,还没搞成过。

avatar
K*o
70
你的机器是笔记本的还是台式机?笔记本双显卡的似乎bios没有办法能够disable集成
显卡

【在 l*******m 的大作中提到】
: 我在ubuntu上就是用集成显卡无头viz, 只用cuda做计算,这样很省电。就根据nvda的
: 手册安装就好了

avatar
l*m
71
台式机,搞成无头的

【在 K******o 的大作中提到】
: 你的机器是笔记本的还是台式机?笔记本双显卡的似乎bios没有办法能够disable集成
: 显卡

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。