Windows10下GPU版Theano配置

深度学习 环境配置

2017.03.18

因为是GPU版本，所以CUDA和cuDNN是必需的；Theano是python库，所以python是必需的，建议安装Anaconda3（默认python3.6编译器），然后创建一个python3.5环境（现在的tensorflow和Theano库都不支持python3.6的GPU加速版本，另外theano的GPU加速版本支持window下的python2.7）。同时推荐安装tensorflow和Theano的上层库keras，直接pip就行。

1. 安装VS2015 community（我没去探究之前的版本行不行）
2. 官网下载CUDA 8.0，.exe安装
3. 官网注册并下载cuDNN 5.1，将里面的文件夹分别复制（合并）到CUDA的相应名字的文件夹
4. （因为我之前装过tensorflow的GPU版本，所以不需要验证CUDA和cuDNN是否安装成功，自信也可以不用验证）
5. 安装Anaconda3，并创建python3.5环境
6. 激活相应环境，conda安装theano

7. 在C:\Users\Harry（每个人用户名不一样，改！）文件夹下创建.theanorc.txt，并添加以下内容:

   [global]  
   floatX = float32  
   device = gpu  
   [nvcc]  
   flags=-LE:\Anaconda3\envs\tensorflow\libs  #此为anaconda路径，改！
   compiler_bindir=C:/Program Files (x86)/Microsoft Visual Studio 14.0/VC/bin #此为VS路径，改！

8. 打开IDE，选择编译器为所创环境下的python.exe，并用以下代码验证：

   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')

9. 目测会编译错误233，点开错误地点，改为 *.decode("GBK")就可以了

另外，因为theano 0.9版本刚发布，conda装的是0.8，对cuDNN5.1支持没新版本好，有需要的可以在命令行升级

pip install --upgrade --no-deps git+https://github.com/Theano/Theano.git#egg=Theano

深度学习框架theano至此全部安装完毕，而上层库keras无需配置GPU版，自动使用tensorflow（优先）或者Theano的backend。

Have fun！ :)