64位Win7下安装并配置Python3的深度学习库：Theano

这两天在安装Python的深度学习库：Theano。尝试了好多遍，CMake、MinGW、BLAS、APLACK等等都装了试着自己编译，网上教程也搜了一大堆，但都没成功。昨晚回家清理干净电脑，又小心翼翼地装了一遍，成功，今天来公司又装了一遍，也成功，现把步骤记录如下：

（注：本步骤适用于WIN7 64位操作系统，Python版本为3.4.3 64bit）

1. 请将电脑清理干净。包括之前装的MinGW、Python等的环境变量。

2. 安装：Microsoft Windows SDK for Windows 7 and .NET Framework 4。链接: http://pan.baidu.com/s/1o6uYbTC 密码: iy4c

3. 安装：CUDA5.5。链接: http://pan.baidu.com/s/1bnuE4z1 密码: p9r4

4. 安装：GCC。链接: http://pan.baidu.com/s/1jGou7MQ 密码: zvsx

（注意：安装的时候，勾选安装“openmp”，不要勾选“add to PATH”）

5. 安装完GCC后，把“D:\TDM-GCC-64\bin”和“D:\TDM-GCC-64\x86_64-w64-mingw32”加入环境变量。 （注意：我这里是装在D盘的，大家根据自己的安装路径更改哦）

6. 安装WinPython。如果使用原生Python的话，还要安装BLAS（基础线性代数程序集），自己安装实在太麻烦了，之所以选用WinPython发行包是因为它可以自己链接MKL库，就不用我们自己编译安装BLAS了，而且自带了诸如cxfreeze、numpy、scipy、nltk、PyQt4等几十个常用的库。链接: http://pan.baidu.com/s/1kTimVIJ 密码: yc78

检验numpy等库是否使用了blas加速，可以在python中输入：

import numpy
id(numpy.dot) == id(numpy.core.multiarray.dot)

如果结果是：False，则表明实现了BLAS加速。

7. 创建GCC链接库。cmd下cd到安装WinPython的磁盘根目录，执行：

gendef WinPython-64bit-3.4.3.2\python-3.4.3.amd64\python34.dll

dlltool --dllname python34.dll --def python34.def --output-lib WinPython-64bit-3.4.3.2\python-3.4.3.amd64\libs\libpython34.dll.a

8. 安装Theano。官方推荐用git安装，我试过了，还是自己手动安装吧…把下载的“Theano-0.7.0-py3-none-any.whl”文件放到“\WinPython-64bit-3.4.3.2\python-3.4.3.amd64\Lib\site-packages”下，执行WinPython目录下的"WinPython Command Prompt.exe"，cd到site-packages目录，输入：pip install Theano-0.7.0-py3-none-any.whl。

链接: http://pan.baidu.com/s/1dDvWuGD 密码: nye6 

9. 配置Theano。在WinPython目录下的settings文件夹内创建一个文件“.theanorc.txt”，在里面输入：

[global]
floatX = float32
device = gpu

[cuda]
root = D:\cuda5.5\bin

（注意：这里的cuda目录根据你的安装路径自行调整。）

10. 重启电脑。 （重要）

11. 测试是否安装成功。打开IDLE，键入官方的测试代码（官方的代码是基于Python2写的，我已经改成了Python3可执行的代码）：

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([], sandbox.cuda.basic_ops.gpu_from_host(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)
print('Numpy result is', numpy.asarray(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')

如果成功的话，会显示类似下面的信息：

>>> 
Using gpu device 0: GeForce 605
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>)]
Looping 1000 times took 0.48799991607666016 seconds
Result is <CudaNdarray object at 0x0000000006805F70>
Numpy result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
Used the gpu

嗯…公司电脑显卡是Geforce 605……

这样就大功告成了，我自己在摸索安装时，遇到了各种错误信息，大家有碰到什么问题可以留言，或许我知道如何解决……