Deep Learning:Windows 10 64-bit安装Theano，配置GPU攻略

Deep Learning:Windows 10 64-bit安装Theano，配置GPU攻略

by.sunzh6-sysu

 

操作系统：Windows10 64位

显卡：GeForce GTX 960M

第一步：安装Anaconda

下载地址：https://www.continuum.io/downloads

我使用的是：Windows 64-Bit Python 2.7 Graphical Installer

使用conda list命令（列出Anaconda安装的所有应用包），我们可以看到Anaconda已经安装了numpy,nose, pip, python, scipy等。

 

第二步：安装Theano

使用pip install theano命令安装Theano，安装条件（numpy>=1.5.0，scipy>=0.7.2）会被检查，安装完成后会显示successfullyinstalled theano。

 

第三步：安装mingw和libpythoon

使用conda install (or pip install)安装mingw和libpython。（非常重要！）

 

第四步：安装Visual Studio 2013和CUDA 7.5

很多教程推荐的CUDA 5.5一直提示显卡不兼容，折腾半天果断下了最新版(⊙o⊙)…：https://developer.nvidia.com/cuda-downloads

（当然，最重要的是显卡要支持CUDA哦…）

问题又来了，VS2008明明在那里，CUDA7.5说它找不到…果断装了VisualStudio 2013：https://www.visualstudio.com/downloads/download-visual-studio-vs#

先装VS再装CUDA，一路NEXT~

 

第五步：配置.theanorc.txt文件（非常重要！）

为了使用GPU，我们需要在cmd的根目录下（打开cmd时显示的目录）新建一个.theanorc.txt文件，内容如下

[global]
floatX =float32
device =gpu0
 
[cuda]
root =C:\CUDA\v7.5\bin
 
[blas]
ldflags=
 
[gcc]
cxxflags =-IC:\Users\***\Anaconda\MinGW
 
[nvcc]
fastmath =True
flags=-LC:\Users\***\Anaconda\libs
base_compiledir=path_to_a_directory_without_such_characters
compiler_bindir=C:\ProgramFiles (x86)\Microsoft Visual Studio 12.0\VC\bin

 

保存后请重启~

 

第六步：验证numpy等库是否使用了BLAS加速

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

结果为False表示成功依赖了BLAS加速。

 

第七步：验证能否使用GPU加速

官方提供的验证代码：

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 xrange(iters):
    r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (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')

运行结果：

Using gpudevice 0: GeForce GTX ***
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32,vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000times took 0.638810873032 seconds
Result is [1.23178029  1.61879349  1.52278066 ...,  2.20771813 2.29967761
  1.62323296]
Used the gpu

大功告成！

 

 

参考：

1、 http://deeplearning.net/software/theano/tutorial/using_gpu.html#using-gpu

2、 http://blog.163.com/yuyang_tech/blog/static/216050083201469101518900

3、 http://blog.csdn.net/chlele0105/article/details/40557259