Question

我有一些基于gpu的深度学习模型的pickle文件。我正试图在生产中使用它们。但是，当我尝试在服务器上取消它们时，我收到以下错误。

追踪（最近的呼叫最后）：
    文件“score.py”，第30行，在       model =（cPickle.load（file））
    在CudaNdarray_unpickler中输入文件“/usr/local/python2.7/lib/python2.7/site-packages/Theano-0.6.0-py2.7.egg/theano/sandbox/cuda/type.py”，第485行登记/>       return cuda.CudaNdarray（npa）
  AttributeError :(“'NoneType'对象没有属性'CudaNdarray'”，（数组（[[0.011515,0.01171047,0.10408644，...， - 0.0343636，
           0.04944979，-0.06583775]，
         [-0.03771918,0.080524，-0.10609912，...，0.11019105，
          -0.0570752,0.02100536]，
         [-0.03628891，-0.07109226，-0.00932018，...，0.04316209，
           0.02817888,0.05785328]，
         ...，
         [0.0703947，-0.00172865，-0.05942701，...， - 0.00999349，
           0.01624184,0.09832744]，
         [-0.09029484，-0.11509365，-0.07193922，...，0.10658887，
           0.17730837,0.01104965]，
         [0.06659461，-0.02492988,0.02271739，...， - 0.0646857，
           0.03879852,0.08779807]]，dtype = float32），））

我在本地机器上检查了cudaNdarray包，但是没有安装，但我仍然能够解开它们。但在服务器中，我无法做到。如何让它们在没有GPU的服务器上运行？

Answer 1

pylearn2中有一个脚本可以满足你的需要：

pylearn2/scripts/gpu_pkl_to_cpu_pkl.py

Answer 2

相关的Theano代码为here。

从那里看，你可以设置一个选项config.experimental.unpickle_gpu_on_cpu，这会使CudaNdarray_unpickler返回底层的原始Numpy数组。

Answer 3

这对我有用。注意：除非设置了以下环境变量，否则这不起作用：export THEANO_FLAGS='device=cpu'

import os
from pylearn2.utils import serial
import pylearn2.config.yaml_parse as yaml_parse

if __name__=="__main__":

_, in_path, out_path = sys.argv
os.environ['THEANO_FLAGS']="device=cpu"

model = serial.load(in_path)

model2 = yaml_parse.load(model.yaml_src)
model2.set_param_values(model.get_param_values())

serial.save(out_path, model2)

Answer 4

我只是通过保存参数W＆amp;来解决这个问题。 b，但不是整个模型。您可以使用以下命令保存参数：http://deeplearning.net/software/theano/tutorial/loading_and_saving.html?highlight=saving%20load#robust-serialization 这可以将CudaNdarray保存为numpy数组。然后你需要通过numpy.load（）读取params，最后使用theano.shared（）将numpy数组转换为tensorSharedVariable。

将基于GPU构建的theano模型转换为CPU？

4 个答案: