Win10 x64 下安装theano过程

最新推荐文章于 2023-02-08 16:43:17 发布

Receiling

最新推荐文章于 2023-02-08 16:43:17 发布

阅读量590

点赞数

分类专栏：安装与配置

安装与配置专栏收录该内容

36 篇文章 0 订阅

订阅专栏

原文地址：https://my.oschina.net/QinghaiZheng/blog/986596

安装环境

电脑：Acer TravelMate TX50-G2
Windows版本：Windows 10 家庭中文版，64位操作系统，基于x64的处理器
处理器：Inter(R) Core(TM) i5-7200U CPU@2.50GHz 2.70GHz
显卡：NVIDA Geforce 940MX

安装步骤

第一步：VisualStudio安装

VisualStudio版本选择：VisualStudio版本我这里选择的是VS2012的（不要选择VS2015，具网上教程说明是VS2015不支持CUDA8.0，而我们接下来安装的CUDA我选择的是CUDA8.0，所以最好不要选择使用VS2015，可以使用VS2013或者VS2012），具体是从MSDNitellyou上下载下来的，下载下来的文件名称为：cn_visual_studio_ultimate_2012_x86_dvd_920954.iso
VisualStudio安装：我是将其安装在C盘上
VisualStudio激活：网上的教程是说要将其激活，但是我在安装完成后就已经是激活的状态了，很奇怪，不过没有影响，反正是能用

第二步：CUDA安装

CUDA支持检测：首先得看一下自己电脑的显卡是什么类型的，如果是A卡的话，是不能安装CUDA的，接下来的步骤就都不用看了；如果是N卡的话，去CUDA GPUs查看一下自己的显卡是不是支持CUDA
CUDA版本选择：如果自己电脑的显卡支持CUDA的话，可以去CUDA Toolkit Download选择下载相应的CUDA。我按照如下选择的，下载先来的文件名称是cuda_8.0.61_win10.exe：
- Operation System：Windows
- Architecture：x86_64
- Version：10
- Install Type：exe(local)
CUDA安装：安装CUDA是要选择自定义安装，安装是选择全部功能（包括显卡驱动，我自己一开始没有选择安装显卡驱动，后面发现显卡驱动没了，就卸载了CUDA后重新安装了一遍，这个过程中就将所有内容都安装上，包括显卡驱动），不要精简安装，我自己没试过精简安装，但是具网上的教程，采用精简安装的话会出错。安装过程中安装位置我是采用默认位置，即安装在C:\Program Files\的相应位置，其他的应该就按部就班的点下一步，最后就安装好了CUDA

安装CUDA后不用自己配置系统环境变量，安装过程会自动配置的，安装完成后可以在cmd控制台命令行输入nvcc -V查看版本信息

第三步：Anaconda安装

由于一开始学习Python时，用的是Python3.6版本的，所以一开始我装的Anaconda版本是适用于Python3的，老是出错，后来在网上查阅了一些列的资料后发现Python3.5版本对GPU的支持是不太好的，总会显示GPU不能用，所以这里我后来就放弃了使用Python3.x版本的，而是改用Python2.7这个版本。同时，因为Anaconda里面自带了Python和上百个包，所以在安装Anaconda之前，可以先将电脑中的Python卸载掉（这个也是为了后面使用pip进行安装是可以不用去操心到底是在那一个Python上安装）

Anaconda版本选择：选择Anaconda4.1.1版本及其以下的系列，这里我采用的是Anaconda2-4.1.1-Windows-x86_64这一个版本。因为选择这个及其以下版本时，里面自带的Spyder是2系列的，不是3系列的，而3系列的Spyder总是不调用ipythonw.exe解释器，而是调用ipython.exe，这个会导致theano编译时总是弹窗nvcc.exe!
Anaconda安装：路径不要有空格，因为theano依赖的G++库不支持路径中有空格，我是将Anaconda安装在D:\Anaconda2这个路径。在安装过程中记得将添加路径选项选上。以我的安装路径为例，在安装完成之后在系统的环境变量中会出现C:\Anaconda2和C:\Anaconda2\Scripts这两个路径（如果没有得手动添加）
安装完Anaconda的后续操作：安装完Anaconda后，在cmd控制台命令行下输入conda install mingw libpython，将G++安装上。在安装完成之后，会在Anaconda安装路径下看到一个MinGW文件夹，以我的为例，会出现D:\Anaconda2\MinGW。然后将这两个路径添加到系统的环境变量：D:\Anaconda2\MinGW\bin和D:\Anaconda2\MinGW\x86_64-w64-mingw32\lib

上述步骤就完成了Anaconda的安装，接下来就可以安装theano了

第四步：theano安装

theano安装-step1：直接在cmd控制台命令行下输入pip install theano。
注意：pip安装完成之后即可，不用安装网上的一些教程中说的添加如pythonpath = D:\Anaconda2\Lib\site-packages\theano这样的系统环境变量，这样子没什么用，而且会使得spyder启动时弹窗、kernal died等问题）
关键点：由于theano现在的版本是0.9的某一版本，和原来的不一样，所以现在网上的大部分教程安装theano都只有直接安装theano-step1就完成了，其实现在这样子安装出错的，最后会出现You are tring to use the old GPU back-end这样子的错误。
theano安装-step2：在cmd控制台命令行下输入conda install pygpu theano。这样子安装pygpu这个库

上述就完成了theano的安装

第五步：安装cudnn

安装cudnn的原因：在这里如果不按照cudnn，只是安装CUDA的话，还是无法在运算时使用GPU，安装完cudnn后，就可以在计算神经网络是利用GPU进行运算了
cudnn版本选择：在NVIDIA官网上下载：NVIDIA cuDNN，这里下载前得先登录NVIDIA才能下载，只要注册一个帐号即可，还是比较方便的。这里我选择的版本是cudnn-8.0-win10-x64这一版本，下载的文件名为：cudnn-8.0-windows10-x64-v5.1.zip
cudnn安装：将下载的文件解压后，会出现三个子目录：bin、include、lib，我这里是将解压的目录放在D:\Program Files\cuda。
- 将相应的路径添加到系统环境变量中，这里添加的是D:\Program Files\cuda\bin和D:\Program Files\cuda\include这两个路径
- 用VisualStudio2012新建一个CUDA项目，这里我是将项目名称命名为cudaProject，将项目存放的位置放在D:\Program Files\cuda\cudaProject这一位置。同时在VS中将Solution Configuration的内容选择为Release，将Platforms Solution的Platforms中选为x64
- 在项目属性/VC++ Directories/Include Directories中添加include的路径（如D:\Program Files\cuda\include）。注意这里是添加，就是在原来的里面添加进这些内容，不是将原来的替代掉
- 在项目属性/VC++ Directories/Libary Directories中添加lib\x64路径（如D:\Program Files\cuda\lib\x64）。注意，这里也是添加
- 在项目属性/Linker/Input/Additional Dependencies中添加cudnn.lib。这里也是添加
- 在项目属性/CUDA C|C++/Device/Code Generation中将sm_20改为sm_30或者更高的数值
- 将kernel.cu文件中内容改为：
```
  #include <iostream>
  #include <cuda_runtime.h>
  #include <cudnn.h>
  using namespace std;

  void main(){
  cudnnHandle_t handle;
  cudnnStatus_t t = cudnnCreate(&handle);
  cout<< cudnnGetErrorString(t);
  getchar();
  }
```
- 完成上述操作后，点击本地Windows调试器，可以得到结果：CUDNN_STATES_SUCCESS，表示安装成功了
一些后续操作：将解压出来的三个子目录：bin、include、lib\x64中的内容分别添加进
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

第六步：配置.theanorc.txt

注意，这个文件的文件名最前面有一个英文的点，不要漏掉！我的该文件中内容如下：

[global] 
openmp=False 
device = cuda 
floatX = float32 
allow_input_downcast=True 
cxx=D:\Anaconda2\Library\mingw-w64\bin\g++.exe
[blas] 
ldflags= 
[gcc] 
cxxflags=-ID:\Anaconda2\MinGW
[nvcc] 
flags = -LD:\Anaconda2\libs
compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin 
fastmath = True 
flags=-arch=sm_30
[dnn]
enabled = True
include_path=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
library_path=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

第七步：解决`import theano`中出现的g++编译的问题

这个问题是因为采用直接pip install theano的缘故，解决方法如下：

去github下载最新的theano的zip文件，下载地址为：Github/Theano。我下载下来的文件名为：Theano-master.zip
解压下载后的文件，拷贝出里面的theano文件夹，替换原来在D:\Anaconda2\Lib\site-packages\theano这个文件夹，不用替换也行，合并也行（我就是采用合并的方法）。

整个方法中添加的系统环境变量有：

 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp
 C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common
 D:\Anaconda2
 D:\Anaconda2\Scripts
 D:\Anaconda2\MinGW\bin
 D:\Anaconda2\MinGW\x86_64-w64-mingw32\bin
 D:\Anaconda2\Library\mingw-w64\bin
 D:\Program Files\cuda\bin
 D:\Program Files\cuda\include
 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

上面这些是我觉得应该是在这个过程中添加进来的，不一定是对的，反正记录在这，以防重新安装等情况，可以作为一个参考

额外安装内容：Keras

这个也是直接用pip进行安装的。安装完这个后可能运行一会儿后可能会出现I/O错误，解决方法为：

在cmd控制台命令行中输入：conda install ipykernel。这样子就可以解决问题了

切换回CPU，不使用GPU结果对比

可以通过修改.theanorc.txt配置内容切换会使用CPU，而不是用GPU，配置内容为：

[blas]
ldflags =

[gcc]
cxxflags = -ID:\Anaconda2\MinGW\include

不过个人觉得不推荐，因为如果不使用GPU的话，可以在代码中去做调整，而不用去修改配置文件，这样子不仅麻烦，还容易出错。

使用GPU和CPU计算结果对比

采用网上的示例，计算相同的内容的，大概结果是采用CPU计算耗时为16s左右，而采用GPU计算耗时为0.8s左右。效果还是非常好的！！！

Reference