python3.8环境下keras运行cnn的截图
Python3.8.0于2019年10月15日正式发布，稍后，anaconda也在多平台下初步(python3.8的生态还在建设中)支持了python3.8的环境， 我们洋外洋科技也在第一时间在ubuntu，win10安装上anaconda下的虚拟python3.8环境，用于测试和探索3.8环境下的深度学习和gpu加速。我们深度学习方面采用的是tensorflow，mxnet和keras框架。 gpu加速上采用的是cupy。目前已经实现python3.8的mxnet，keras的gpu训练。
我们在18.04的系统上做了简单的测试,跑了简单的mnist cnn测试,上图就是测试结果，速度符合预期，也成功的调用了gpu。
Cupy是一个类似于numpy的python语言下的cuda加速库，支持多版本的python，多版本的cuda，多平台。但是cupy并没有适配python3.8(初次更新时，2019年12月5日，cupy，chainer适配了python3.8)， 因此我们自己编译安装了cupy，基于cuda10.0。上图就是测试结果，速度符合预期，也成功的调用了gpu。
后记：2019年12月25日，我们在编译tensorflow2.1.0rc0版本时发现已经可以支持python3.8，但需要自行编译，没有提供预编译whl，于是我们自行编译，并测试成功，甚至编译成功了rocm版本。 但遗憾的是未能在windows系统下编译成功，而且ubuntu18.04编译的，ubuntu16.04下不能用，于是我们基于ubuntu16.04重新编译了一遍，cuda10.0+gcc，rocm2.8.0（下载连接)。我们建议在 ubuntu16.04或者更新的系统上使用。 本文所用代码和数据可以在文章中心里面的《anaconda pypi国内镜像和深度学习 cuda加速 图像处理框架测试》获取。
如需安装或体验可以访问以下淘宝链接
python3.8深度学习和gpu加速：python3.8深度学习cuda加速mxnet keras cupy gpu租用 安装调试
关于我们
洋外洋科技： 洋外洋科技
分享快乐
