cuDNN
在 DL4J中使用NVIDIA cuDNN 库
与cuDNN一起使用DL4J
DL4J支持CUDA,但可以进一步通过cuDNN加速。大多数2D 卷积神经网络层(如ConvolutionLayer、SubsamplingLayer等),以及LSTM和BatchNormalization层都支持cuDNN。
要让DL4J加载cuDNN,我们只需要添加一个依赖项deeplearning4j-cuda-9.2
, deeplearning4j-cuda-10.0
, 或 deeplearning4j-cuda-10.1
, 例如 :
<dependency>
<groupId>org.deeplearning4j</groupId>
<artifactId>deeplearning4j-cuda-9.2</artifactId>
<version>1.0.0-beta6</version>
</dependency>
或
<dependency>
<groupId>org.deeplearning4j</groupId>
<artifactId>deeplearning4j-cuda-10.0</artifactId>
<version>1.0.0-beta6</version>
</dependency>
或
<dependency>
<groupId>org.deeplearning4j</groupId>
<artifactId>deeplearning4j-cuda-10.1</artifactId>
<version>1.0.0-beta6</version>
</dependency>
cuDNN的实际库没有捆绑,因此请确保从NVIDIA下载并安装适合你的平台的包
注意cuDNN和CUDA有多个组合被支持。当前,DL4J的支持下面的组合:
CUDA 版本
cuDNN 版本
9.2
7.2
10.0
7.4
10.1
7.6
10.2
7.6
要安装,只需将库提取到本地库使用的系统路径中找到的目录即可。最简单的方法是将它放在默认目录中的CUDA之外的其他库中。 (/usr/local/cuda/lib64/
在 Linux上, /usr/local/cuda/lib/
在 Mac OS X, 并且 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin\
, C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin\
, 或 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\
在 Windows上)。
或者,对于CUDA 9.2,cuDNN与用于CUDA的JavaCPP Presets 的“redist”包捆绑在一起。在同意许可之后,我们可以添加以下依赖项,来取代安装CUDA和cuDNN:
<dependency>
<groupId>org.bytedeco</groupId>
<artifactId>cuda-platform-redist</artifactId>
<version>10.2-7.6-1.5.2</version>
</dependency>
还要注意,默认情况下,DL4j将使用根据cuDNN可用的最快算法,但是内存使用可能溢出,导致奇怪的启动错误。当这种情况发生时,尝试通过使用通过网络配置设置的NO_WORKSPACE模式来减少内存使用, 替换默认的ConvolutionLayer.AlgoMode.PREFER_FASTEST
,例如:
// 对于整个网络
new NeuralNetConfiguration.Builder()
.cudnnAlgoMode(ConvolutionLayer.AlgoMode.NO_WORKSPACE)
// ...
// 或对于单个层
new ConvolutionLayer.Builder(h, w)
.cudnnAlgoMode(ConvolutionLayer.AlgoMode.NO_WORKSPACE)
// ...
Last updated
Was this helpful?