Visual Studio 2013
正常安裝，這里只要C++打勾就可以。
ANACONDA
ANACONDA是封裝了Python的科學計算工具，裝這個就可以不用額外裝Python了。在安裝之前建議先卸載電腦里已裝的Python。這里建議用對應Python 2.7的Anaconda2-2.4.0。
Anaconda3對應的Python3.x，之前用這個的時候，example遇到各種語法問題。
官網下載
MinGW
裝了ANACONDA之后，在CMD控制台：
conda install mingw libpython 下載有點慢，不過文件本身也不大。 之后就在Anaconda的安裝目錄下看到MinGW了。
安裝Theano
從github上Theano/Theano下載最新源碼，用git或者svn拉代碼速度更快些。 到源碼的trunk里：
python setup.py install 就裝好了。
安裝Keras
和Theano一樣方法，github上的fchollet/keras下載源碼。
python setup.py install 安裝CUDA
下載地址，選自己系統對應的版本。這里是windows->x86_64->10->exe(local)。 直接安裝
CuDNN
從官網下載需要注冊賬號申請，兩三天批准。網盤搜索一般也能找到最新版。
Windows目前就是cudnn-7.0-win-x64-v3.0-prod.zip。
解壓出來是名為cuda的文件夾，里面有bin、include、lib，復制到安裝CUDA的地方覆蓋對應文件夾。
我的在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
系統環境變量Path里添加：
D:\IDE\Microsoft Visual Studio 12.0\VC\bin; %CUDA_PATH%\lib\x64; %CUDA_PATH%\bin; 第一個是Visual Studio 的VC目錄，CUDA_PATH是安裝CUDA后自動增加的環境變量，當作前綴。
配置GPU加速
在用戶目錄，也就是C:\Users\當前用戶名\，新建.theanorc.txt。 這個路徑可以通過修改Theano的configparser.py來改變。Theano裝在Anaconda\Lib\site-packages里。 .theanorc.txt的內容：
[global]
openmp=False
device = gpu
optimizer_including=cudnn #不用cudnn的話就不要這句
floatX = float32
allow_input_downcast=True
[blas]
ldflags=
[gcc]
cxxflags=-ID:\Tools\Anaconda\MinGW #改成自己裝的目錄
[nvcc]
flags = -LD:\Tools\Anaconda\libs #改成自己裝的目錄
compiler_bindir = D:\IDE\Microsoft Visual Studio 12.0\VC\bin #改成自己裝的目錄
fastmath = True
flags=-arch=sm_30
測試
在控制台
python
>>> import theano 如果執行后能看到使用了GPU，就是配好了。 Keras源碼的example里隨便挑一個，一般就用mnist_cnn.py。
python mnist_cnn.py 測試數據可能需要下載一些時間。 如果GPU配置成功的話，會看到GPU信息的。我的i5 4690平均每組1000+s，TitanX跑就15秒了，加了CuDNN之后13秒。
源地址：http://blog.csgrandeur.com/theano-keras-cuda7-5-vs2013-windows10x64pei-zhi/