64位Windos10+theano+VS2012+GPU加速

theano作为深度学习框架之一，网上有关theano配置并且实现GPU加速的例子很多

我这里简要写一下我的配置过程。

(1)Anaconda2的安装

      之前使用的是标准的Python，使用任何函数库都需要用pip和install安装。在安装theano的过程中，我发现要安装的东西实在太多了，所以听从网上的劝告，改用Anaconda2。

      Anaconda是一个科学计算环境，自带的包管理器conda很强大。之所以选择它是因为它内置了python，以及numpy、scipy两个必要库和一些其他库，比起自己安装要省事，不太需要考虑兼容性等等。此外，还具有类似于Matlab的交互窗口，当然你也可以使用Pycharm，把应用程序选择Anaconda对应的Python即可。

     直接上官网：Anaconda2下载与自己Python版本和操作系统相符的exe即可，下载完直接双击安装即可，安装应该也不需要配置环境变量（自动配置好了），不放心可以查看一下：

     可以再打开Anaconda Prompt，输入python，如果不报错，就说明安装正确。也可以输入conda list查看已安装的库：

      往下翻看，可以看到numpy，scipy，以及sklearn等。

(2)theano的安装

     打开Anaconda Prompt，输入conda install mingw libpython安装MinGW包。安装完成后，输入pip install theano即可。

     theano安装完成后，输入python进入python环境，输入import theano，如果不报错则theano安装成功。

(3)CUDA的安装

     如果需要GPU加速的话，需要安装CUDA，装theano就是为了深度学习啊，所以必须装啊！官网下载地址：CUDA 8.0。如下图，根据自己的计算机选择相应的安装包：

      下载后直接安装就行，地址我就设置的默认地址，半小时内肯定能装完。唯一想说的就是最好装完整版的，如下图：

        安装后可以查看一下系统的环境变量，有CUDA\V8.0和CUDA\bin，应该就没问题。可以打开Anaconda Prompt 输入nvcc-v命令，出现CUDA的版本信息就是安装成功了：

(4)CUDA的配置

     如果是使用VS编程，那就需要在VS下配置CUDA，可以参考：CUDA的VS配置。如果你仅仅是使用Python编程，可以暂时不需要考虑这一步。（建议先不要搞这个）

     至于CUDA支持的VS版本，官网给出的如下图，vs10,12,13应该都没问题。

       配置.theanorc文件，这一步很重要，别弄错了。在C:\Users\administrator\建立.theanor.txt文件（例如我是C:\Users\Tianming\），输入如下内容：

       画红线是需要注意的地方，填上自己安装软件相应的地址，分配内存那个官网给的1，但是我会报错，所以改成0.8。如果txt内不写cnmem项，调用theano时，会显示CNMem is disabled。

      下面是最后一步，就是再安装CuDNN函数包，否则无法运行GPU（报错CuDNN not available）。这一步很简单，下载CuDNN函数包:cudnn-8.0-windows10-x64-v5.1即可。下载完：有三个文件夹：

        将每个文件夹的文件加入CUDA/v7.5/的相应文件夹即可。至此，我们就完成了所有配置工作。下面是测试GPU。

(5)GPU测试

        首先可以打开，Anaconda Prompt，进入python，再次输入import theano，会出现：

       关键看红线处，warning不用太在意。

       下面再用python运行一段测试GPU的经典代码：

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')

后续我会按照Theano官网的深度学习指南继续学习：Theano deeplearning tutorial

如果这篇文章对你有帮助，可以点个赞或者关注我，我会更有动力分享学习过程，谢啦~