win10 theano keras1.X 配置记录 总结 cpu Gpu都已经实现

事先声明该博客是无图版的（懒癌晚期，懒得去截图），但是真的可以帮你解决问题

论文的代码是基于theano的深度学习框架，所以被迫将电脑的深度学习环境改为基于py2.7，theano。自己搭配了N+1天，终于成功跑了起来。吐血？简直是丧命经历好吗。。

步骤：

1.安装Anaconda-2.1.0-Windows-x86_64 .exe 地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装这个版本是因为它自带mingW，你就不需要再去配很多环境变量，容错率高

推荐安装all users

2.安装完之后，打开cmd

pip install theano==xx

xx是你需要装的版本，切记用pip安装，如果用conda口令会提示你更新很多东西，那么好了，恭喜你进坑了

ps，你也不要换你的conda下载源，问题同上

2.1配置theanorc

打开cmd，会看到窗口里边有个路径，我的是C:\Users\Locked>，根据自己的路径，找到对应的目录，在该目录下新建一个文本文档，命名为  .theanorc（注意有个“.”），编辑它，写入以下内容： 
[global] 
openmp=False 
[blas] 
ldflags= 
[gcc] 
cxxflags=-IC:\Anaconda\MinGW 
其中粗体字部分是你安装的Anaconda的路径，一定不要弄错。否则找不到MinGw。

3.做完这几步，你在cmd输入import theano，没什么特殊情况的话就能导入进来了

这时候cpu版本的theano已经装好了，想装gpu的咱们继续

4.安装vs

我装的是vs2012版本的，完美兼容

ps，如果想节省空间的话，你只需要在安装时选择c++的那部分工具

5.安装cuda

cuda历史版本下载地址（https://developer.nvidia.com/cuda-toolkit-archive）

别用最新的了，根据自己电脑实际情况来

我用的是cuda8

5.1测试cuda是否装好

打开cmd控制台命令行，输入命令nvcc –V回车（注意是大写V）就可以查看版本信息，如果安装正确会显示Cuda的版本号

6.安装cudnn

https://developer.nvidia.com/rdp/cudnn-archive

这个东西还是很好装的，下载下来，去cuda的安装文件夹里替换相应的文件即可

一定要记住要对照着cuda的版本来安装cudnn！！！

7.配置.theanorc.txt，如下： 
[global] 
openmp=False 
device = gpu 
floatX = float32 
allow_input_downcast=True 
[blas] 
ldflags= 
[gcc] 
cxxflags=-IE:\Anaconda\MinGW 
[nvcc] 
flags = -LE:\Anaconda\libs                      #此处是Anaconda的路径 
compiler_bindir = E:\VS2012\VC\bin        #此处一定要和你安装的VS的路径保持一致，如果是默认安装的，应该是C:\Program 
fastmath = True 

 

附测试代码

from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print (f.maker.fgraph.toposort())
t0 = time.time()
for i in range(iters):
    r = f()
t1 = time.time()
print ('Looping %d times took' % iters, t1 - t0, 'seconds')
print ('Result is', r)
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print ('Used the cpu')
else:
    print ('Used the gpu')

如果输出的是Used the gpu，那就大功告成了。

bingo！