Theano在windows下的安裝及GPU加速

安裝環境：wondows 64bit

Teano安裝測試

1. Anaconda 安裝

Anaconda是一個科學計算環境，自帶的包管理器conda很強大。之所以選擇它是因為它內置了python，以及numpy、scipy兩個必要庫和一些其他庫，比起自己安裝要省事。

首先下載Anaconda-2.1.0-Windows-x86_64.exe 安裝選擇默認配置即可，下砸地址。安裝成功后效果如下：

這里有Anaconda管理器（Anaconda Command Prompt），輸入conda list來查看已經安裝的庫。我們可以看到Anaconda已經安裝了numpy, nose, pip, python, scipy, mingw等等

PS：

conda install <pkg name> #該命令用於安裝應用包，如 conda install numpy.

pip install <pkg name> #該命令用於安裝應用包，如 pip install theano.

conda update <pkg name> #升級應用包，如 conda update python

2.卸載之前版本

因為Anaconda里邊包含了python，所以需要在windows環境變量中找到Python的環境變量，刪除它。或者直接將之前單獨安裝的python等統統卸載掉。這一步可以在安裝Anaconda之前進行。

3. 安裝theano

有如下兩種安裝方法：

1）打開CMD或Anaconda命令窗口，輸入 pip install theano。 回車后就是賞心悅目的下載進度條，這個很小，所以安裝的比較快。

2）手動下載theano的zip文件

    下載地址：https://github.com/Theano/Theano ，解壓到XXX/Anaconda/Lib/site-packages/theano(文件里面有個theano的文件夾，拿出來放在E:/Anaconda/Lib/site-packages里面)目錄下。

    添加環境變量:    path: XXX/Anaconda/MinGW/bin;E:/Anaconda/MinGW/x86_64-w64-mingw32/lib;  

                          (32bit  E:/Anaconda/MinGW/i686-w64-mingw32/lib;)   

    新建環境變量：  PYTHONPATH: E:/Anaconda/Lib/site-packages/theano;

PS：有些Anaconda版本底下沒有MinGW包，這時可以：CMD輸入 conda install mingw libpython， MinGW會自動裝到Anaconda下。

4. 測試Theano

在cmd中，輸入python 進入到python環境下（PS：此時調用的應該是Anaconda自帶的Python，check一下輸出路徑），然后先輸入import theano回車，需要等一段時間，不輸出error則說明安裝成功。

---

GPU加速配置

對於用GPU的人（要安裝相應的CUDA版本，比如說我用的64位的python環境（Anaconda 64位），CUDA的版本也是64位的）

CUDA的 配置可參考 http://blog.csdn.net/yeyang911/article/details/17450963

1. 配置 .theanorc.txt文件

[global] 
openmp=False 
device = gpu 
floatX = float32 
allow_input_downcast=True 
[blas] 
ldflags= 
[gcc] 
cxxflags=-IE:\Anaconda\MinGW 
[nvcc] 
flags = -LE:\Anaconda\libs #此處是Anaconda的路徑 
compiler_bindir = E:\VS2010\VC\bin #此處一定要和你安裝的VS的路徑保持一致，如果是默認安裝的，應該是C:\Program Files(x86)\Microsoft Visual Studio 10.0\VC\bin 
fastmath = True 
flags=-arch=sm_30 #我的加入這句話會報錯，去掉就好了

2. 測試GPU加速

 

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')

 

　

---

參考：http://blog.csdn.net/niuwei22007/article/details/47684673

　http://blog.sina.com.cn/s/blog_990865340101hvuq.html