Deep learning 将基于GPU的theano模型转换为CPU？

我有一些基于gpu的深度学习模型的pickle文件。我试着在生产中使用它们。但是当我试图在服务器上取消勾选它们时，我得到了以下错误

回溯（最近一次呼叫最后一次）：
文件“score.py”，第30行，在
模型=（cPickle.load（文件））
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，CudaNdarray_unpickler
返回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]]，数据类型=float32），）

---

我在本地机器中检查了cudaNdarray软件包，但它没有安装，但我仍然能够解除对它们的锁定。但在服务器上，我无法。如何使它们在没有GPU的服务器上运行？

Pylern2中有一个脚本，可以满足您的需要：

---

pylearn2/scripts/gpu\u pkl\u to\u cpu\u pkl.py

相关的Theano代码为

---

从这里看，似乎有一个选项

config.experiative.unpickle\u gpu\u on_cpu

，您可以设置该选项，它将使

CudaNdarray\u unpickler

返回底层原始Numpy数组。

这对我很有用。注意：除非设置了以下环境变量，否则这不起作用：

export THEANO\u 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)

---

我解决了这个问题，只保存了参数W&b，而不是整个模型。您可以使用以下方法保存参数：

---

这可以将CudaNdarray保存到numpy数组。然后，您需要通过numpy.load（）读取参数，最后使用ano.shared（）将numpy数组转换为TensorShared变量。

此脚本非常具有实验性，在许多情况下都无法正常工作。我想知道是否有更好的方法来解决这个问题。可能有，但还没有人这样做。从理论上讲，您可以提取权重并将图形结构转换为它的“成对”CPU操作，但这并不容易。默认情况下，这包括在Theano中吗？我的意思是，这只是一个设置这个选项的问题，然后Cuda阵列被透明地转换？