Github 项目推荐 | Windows 10上的 GPU 加速深度学习工具

有很多工具能够帮助开发者在 Linux 和 Mac 上构建深度学习环境（比如 Tensorflow，不幸的是，TensorFlow 无法在 Windows 上轻松安装），但是很少人关注如何在 Win10 设备上有效构建深度学习环境。大多数人关注的是如何让深度学习框架运行在 Win10 设备的 Ubuntu VM 上，这不是最优的解决方案。

我们还发现了足够信息，以便为 Keras，Tensorflow，CNTK，MXNet 和PyTorch 的最新稳定版本制作分步指南。

如果开发者必须在 Win10 上运行深度学习设置，那么这些信息会对你有用。

详细信息请查阅官方 Github 页面：

https://github.com/philferriere/dlwin

硬件

• Dell Precision T7900, 64GB RAM Intel Xeon E5-2630 v4 @ 2.20 GHz (1 processor, 10 cores total, 20 logical processors)
• NVIDIA GeForce Titan X, 12GB RAM Driver version: 390.77 / Win 10 64
• NVIDIA GeForce GTX 1080 Ti, 11GB RAM Driver version: 390.77 / Win 10 64

依赖

以下是我们在 Windows 10（版本 1709 OS Build 16299.371）上进行深度学习所使用的工具和库的摘要列表：

1. Visual Studio 2015 Community Edition Update 3 w. Windows Kit 10.0.10240.0 用于其 C / C ++编译器（不是其 IDE）和 SDK。由于 CUDA 支持 Windows 编译器，所以选择此版本。
2. Anaconda (64-bit) w. Python 3.6 (Anaconda3-5.2.0) [for Tensorflow support] or Python 2.7 (Anaconda2-5.2.0) [no Tensorflow support] with MKL 2018.0.3 一个 Python 发行版，它为我们提供了 NumPy，SciPy 和其他科学库 MKL 用于线性代数运算的 CPU 优化实现
3. CUDA 9.0.176 (64-bit) 用于 GPU 数学库、驱动、CUDA 编译器
4. cuDNN v7.0.4 (Nov 13, 2017) for CUDA 9.0.176 用于运行速度更快的卷积神经网络
5. Keras 2.1.6 有三个不同的后端：Tensorflow-gpu 1.8.0，CNTK-gpu 2.5.1 和 MXNet-cuda90 1.2.0 Keras用于Tensorflow或CNTK之上的深度学习 Tensorflow和CNTK是用于评估多维数组上的数学表达式的后端 Theano是一个不再活跃的传统后端
6. PyTorch v0.4.0