python3.7安装keras教程_win10下vs2015+python3+theano+keras+cuda8.0安装教程

本次安装教程vs2015，python，theano，keras，cuda均正确安装，但是无法使用gpu加速，各种配置均试过，均失败，还希望有热心博友帮忙解答

1. 安装vs2015及以下版本

将c++有关选项选中安装完毕

CUDA需要C++的编译器，Windows下可以使用Visual C++，我们可以直接下载其官网推荐的Visual Studio。

2. 安装CUDA

CUDA是nvidia提供可以使用C++进行GPU编程的接口，其官方下载地址为https://developer.nvidia.com/cuda-downloads，最新版本为8.0。

3. 配置系统环境变量

CUDA和VS2015直接下载安装就好，并不需要设置，安装好后先添加系统环境变量

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin

C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\IDE

4. 检查cuda是否安装好

我们可以运行CUDA提供的例子来判断CUDA是否安装好了，打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\1_Utilities\deviceQuery

直接在vs2015运行 deviceQuery.cpp，可以看到自己的显卡设备信息，这样CUDA就安装好了（如果vs2015直接退出的话，在代码结束前末尾加system(“pause”);

5. 安装Anaconda3

windows下有很多python科学计算的发行版工具包，我直接用的Anaconda ，其安装简单方便，官方下载地址为https://www.continuum.io/downloads，我用的python3.x的版本（即Anaconda3），直接下载安装包安装就好。如何查看已安装的库

打开 Anaconda Command Prompt ,在命令提示符窗口中输入以下命令：`pip list` 或者`conda list`，

其中，`pip list` 只能查看库，而 `conda list` 则可以查看库以及库的版本

1. 如何安装或更新库

以安装 更新 scipy 为例

pip install scipy

pip install scipy --upgrade

或者

conda install scipy

conda update scipy

2.更新所有库

conda update --all

3.更新 conda 自身

conda update conda

4.更新 anaconda 自身

conda update anaconda

6. 安装mingw和libpython，当使用python3.x的Anaconda时只能正常安装mingw，libpython并不能安装成功，会出现错误

这是因为libpython只支持到python3.4.x，而Anaconda3默认的环境是python3.5.2

因此需要以下步骤：新建一个环境

命令行输入：C:\Users\lee>cd C: \Users\lee \Anaconda3\Scripts

C: \Users\lee \Anaconda3\Scripts>conda create -n python34 python=3.4.4启动环境activate python34列出所有环境（被激活的环境会带一个*）conda info -e安装theano+keras方法

在以上安装新的环境下，激活新的环境变量的方法是active python34

安装mingw 和 libpython

conda install mingw libpython

直接安装theano会出现错误，由于缺少vs编译器,先安装以下

conda install scipy -n python34

安装theano

pip install theano

安装keras

pip install keras

如果想使用ipython，需要在新的环境下安装ipyhon

conda install ipython

配置Theano

在个人主文件夹下新建一个“.theanorc.txt”的文档，例如我的在C:\Users\lee，该文档如何配置参考http://deeplearning.net/software/theano/library/config.html[global]

floatX=float32

device=gpu

optimizer=fast_compile

optimizer_including=cudnn # if you have successfully installed cudnn, otherwise remove it.

[lib]

cnmem=0.8

[blas]

ldflas=-lopenblas

[nvcc]

--flags=-LC:\Users\lee\Anaconda3\envs\python34\libs

--compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin\amd64

fastmath=True

flags=-D_FORCE_INLINES

[cuda]

root = -LC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0from 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 %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')

直接运行，会报错UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd5 in position 11: invalid continuation byte

这是因为掉用nvcc返回的字符串是使用的cwindows默认的默认编码，把源码出错的地方改为 *.decode(“GBK”)就可以.

需要修改的源码的位置：

Anaconda3/envs/python34/lib/site-packages/theano/compat/init.py 第46行左右

yield x.decode()改为yield x.decode(“GBK”)

下次使用

下次使用的时候，就可以先active境变量名称，然后就可以使用了