一种Linux下GPU神经网络深度学习测试方法和系统技术方案

本发明专利技术涉及一种Linux下GPU神经网络深度学习测试方法，包括以下步骤：S1：搭建测试平台和测试环境的步骤；终止测试平台系统下的所有防火墙服务进程，永久性关闭系统的防火墙服务；S2：通过GoogLeNet训练模型的步骤；获取模型的具体组成结构，采用CAFFE框架中的GooleNet深度学习模型，caffe编译过程使用NCCL库；将数据进行分类；显示处理GoogleNet问题及打印测试结果；S3：编辑GPU卡配置信息的步骤，针对配置中GPU卡数量，编辑相关配置文件；S4：测试GPU卡性能的步骤，根据配置中GPU卡数量、计算运行caffeGooglenet测试时间，进行性能、压力、功耗测试。

A test method and system of GPU neural network deep learning under Linux

【技术实现步骤摘要】
一种Linux下GPU神经网络深度学习测试方法和系统
本专利技术属于数据处理
，具体涉及一种Linux下GPU神经网络深度学习测试方法和系统。
技术介绍
目前服务器领域使用GPU越来越普遍，关于GPU高度的数据处理、浮点运算能力，衍生出神经网络深度学习方案。但是现有技术中的神经网络学习方案在图像识别、数据处理和浮点运算处理领域存在处理效率偏低，处理数据的准确率偏低。此为现有技术中存在的缺陷和不足；有鉴于此，本申请提供一种Linux下GPU神经网络深度学习测试方法和系统；以解决现有技术中的上述缺陷，是非常有必要的。
技术实现思路
针对现有技术的上述不足，本专利技术提供一种Linux下GPU神经网络深度学习测试方法和系统，以解决上述技术问题。为实现上述目的，本专利技术给出以下技术方案：第一方面，本专利技术提供一种Linux下GPU神经网络深度学习测试方法，包括以下步骤：S1：搭建测试平台和测试环境的步骤；具体步骤如下：终止测试平台系统下的所有防火墙服务进程，永久性关闭系统的防火墙服务本文档来自技高网...

【技术保护点】
1.一种Linux下GPU神经网络深度学习测试方法，其特征在于，包括以下步骤：/nS1：搭建测试平台和测试环境的步骤；/nS2：通过GoogLeNet训练模型的步骤；/nS3：编辑GPU卡配置信息的步骤，针对配置中GPU卡数量，编辑相关配置文件；/nS4：测试GPU卡性能的步骤。/n

【技术特征摘要】
1.一种Linux下GPU神经网络深度学习测试方法，其特征在于，包括以下步骤：
S1：搭建测试平台和测试环境的步骤；
S2：通过GoogLeNet训练模型的步骤；
S3：编辑GPU卡配置信息的步骤，针对配置中GPU卡数量，编辑相关配置文件；
S4：测试GPU卡性能的步骤。


2.根据权利要求1所述的一种Linux下GPU神经网络深度学习测试方法，其特征在于，所述步骤S1具体包括以下步骤：
终止测试平台系统下的所有防火墙服务进程，永久性关闭系统的防火墙服务；
添加ulimit-sunlimited命令和nvidia-smi-pm1命令至/root/.bashrc中；安装配置中GPU最新版驱动程序和CUDA环境；将docker环境copy到系统下，并安装rpm包。


3.根据权利要求2所述的一种Linux下GPU神经网络深度学习测试方法，其特征在于，所述步骤S2具体包括以下步骤：访问训练模型,获取模型的具体组成结构，采用CAFFE框架中的GooleNet深度学习模型，caffe编译过程使用NCCL库；将数据进行分类；显示处理GoogleNet问题及打印测试结果。


4.根据权利要求3所述的一种Linux下GPU神经网络深度学习测试方法，其特征在...

【专利技术属性】
技术研发人员：刘鑫，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32