Microsoft Cognitive Toolkit 简明教程
Microsoft Cognitive Toolkit (CNTK) - CPU and GPU
Microsoft Cognitive Toolkit 提供了两种不同的构建版本,即仅限 CPU 和仅限 GPU。
CPU only build version
仅限 CPU 的 CNTK 构建版本使用优化的 Intel MKLML,其中 MKLML 是 MKL(Math Kernel Library)的子集,并且随 Intel MKL-DNN 一起作为 Intel MKL 的终止版本发布,以供 MKL-DNN 使用。
GPU only build version
另一方面,仅限 GPU 的 CNTK 构建版本使用高度优化的 NVIDIA 库,例如 CUB 和 cuDNN 。它支持跨多个 GPU 和多个机器进行分布式训练。为了让 CNTK 在分布式训练中运行得更快,GPU 构建版本还包括: −
-
MSR-developed 1bit-quantized SGD.
-
与 Block-momentum SGD 平行的训练算法。
Enabling GPU with CNTK on Windows
在上一节中,我们了解了如何安装 CNTK 的基本版本以与 CPU 配合使用。现在让我们讨论如何安装 CNTK 以与 GPU 配合使用。但是,在深入了解之前,你首先应该拥有一个受支持的显卡。
目前,CNTK 支持至少支持 CUDA 3.0 的 NVIDIA 显卡。要确保支持,你可以通过 https://developer.nvidia.com/cuda-gpus 检查你的 GPU 是否支持 CUDA。
因此,让我们了解一下在 Windows 操作系统上使用 CNTK 启用 GPU 的步骤 −
Step 1 − 根据你正在使用的显卡,首先你需要为你的显卡配备最新的 GeForce 或 Quadro 驱动程序。
Step 2 − 下载完驱动程序后,你需要从 NVIDIA 网站 https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64 安装 Windows 版 CUDA 工具包版本 9.0。安装完毕后,运行安装程序并按照说明操作。
Step 3 − 接下来,你需要从 NVIDIA 网站 https://developer.nvidia.com/rdp/form/cudnn-download-survey 安装 cuDNN 二进制文件。使用 CUDA 9.0 版本时,cuDNN 7.4.1 会运行良好。基本上,cuDNN 是 CUDA 之上的一个层,由 CNTK 使用。
Step 4 − 下载 cuDNN 二进制文件后,你需要将 zip 文件解压缩到 CUDA 工具包安装的根文件夹中。
Step 5 − 这是最后一步,它将在 CNTK 中启用 GPU 使用。在 Windows 操作系统上的 Anaconda 提示符中执行以下命令 −
pip install cntk-gpu
Enabling GPU with CNTK on Linux
让我们了解一下如何在 Linux 操作系统上使用 CNTK 启用 GPU −
Downloading the CUDA toolkit
首先,你需要从 NVIDIA 网站链接安装 CUDA 工具包:https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal[[role="bare"] [role="bare"]https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type =runfilelocal]。
Installing cuDNN libraries
最后,我们需要安装 cuDNN 二进制文件。可以从 NVIDIA 网站 https://developer.nvidia.com/rdp/form/cudnn-download-survey 下载。使用 CUDA 9.0 版本时,cuDNN 7.4.1 会运行良好。基本上,cuDNN 是 CUDA 之上的一个层,由 CNTK 使用。
下载 Linux 版本后,使用以下命令将其解压到 /usr/local/cuda-9.0 文件夹 −
tar xvzf -C /usr/local/cuda-9.0/ cudnn-9.0-linux-x64-v7.4.1.5.tgz
根据需要更改路径到文件名。