我可以在笔记本电脑上使用英特尔高清显卡实现深度学习模型吗答案

【问题标题】：Can I implement deep learning models in my laptop with intel hd graphics我可以在笔记本电脑上使用英特尔高清显卡实现深度学习模型吗
【发布时间】：2017-05-11 11:05:59
【问题描述】：

我目前正在为我的硕士学位做一个深度学习项目。我想安装 keras 库，所以当我开始安装 Theano 和 tensorflow 时，我看到我必须安装 CUDA。但是我的笔记本电脑带有英特尔高清显卡。所以我的问题是，如果我安装它们，它会起作用吗？谢谢

【问题讨论】：

标签： gpu deep-learning keras

【解决方案1】：

您可以在没有 cuda 的情况下安装和使用 keras，但您无法通过英特尔高清显卡获得 gpu 加速。

如果你使用 Theano 作为 keras 的后端，请先安装 Theano：

# for python2
pip install theano
# for python3
pip3 install theano

然后像这样设置 ~/.theanorc 文件：

[global]
floatX = float32
device = cpu
allow_gc = True

[blas]
ldflags = -lopenblas

如果你使用 TensorFlow 作为 keras 的后端，只需安装 CPU 版本的 TensorFlow。

# for python2.7
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0-cp27-none-linux_x86_64.whl
# for python3.4
pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0-cp34-cp34m-linux_x86_64.whl
# for python3.5
pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0-cp35-cp35m-linux_x86_64.whl

然后安装keras：

# for python2
pip install keras
# for python3
pip3 install keras

【讨论】：

@Alapan 那么，当您在没有 cuda 的集成卡上测试它时，它是否比 CPU 更好？
@MarkSeygan：这没有任何意义。选择是在 CPU 和 CUDA 之间。因此，（不是 CUDA）表示 CPU。

【解决方案2】：

编辑：到目前为止，您可以直接使用基于 OpenCL 的 clDNN (https://github.com/01org/clDNN) 而不是使用 OpenVX，以便在英特尔显卡上执行深度学习推理。您必须在 Nvidia 或 AMD 等强大的 GPU 上进行训练，并使用预训练模型并在 clDNN 中使用它。

您可以开始使用英特尔的计算机视觉 SDK (https://software.intel.com/en-us/computer-vision-sdk)，以便使用 OpenCV 或 OpenVX 编写深度学习应用程序。

OpenVX (https://www.khronos.org/openvx/) 编程模型允许您使用以下 SPEC (https://www.khronos.org/registry/OpenVX/extensions/neural_network/html/) 编写简单的神经网络管道

或者，您可以使用将 Caffe/TensorFlow 模型转换为 OpenVX 的模型优化器，并且您可以在英特尔集成高清显卡上加速 OpenVX 神经网络图。

希望对你有帮助。

【讨论】：

你能详细说明你的最后一段吗？什么是模型优化器？如何转换为 OpenVX？可以用 Python 做吗？我可以使用 Python 进行训练吗？
@Eran ModelOptimizer 是英特尔 OpenVINO 工具包的一部分。它可以读取各种模型（caffe、TF、onnx 等）并进行一系列优化，从丢弃仅训练的东西（例如 dropout-layers）到切除网络中未使用的部分（0 权重，包括设置几乎为 0 -values 为 0) 或更改为 16 位精度以加快推理速度，当然，使用英特尔专用硬件（GPU、VPU、FPGA）

【解决方案3】：

他们是PlaidML，您可以使用它在 Intel 和 AMD gpu 上训练深度学习模型。

【讨论】：