theano环境配置

一、基本环境

1、64位win10系统

2、已安装visual studio 2017

3、可支持NVIDIA显卡

二、安装Anaconda

安装地址：https://www.continuum.io/downloads

选择python3.6version下面的DOWNLOAD即可，我的是64位的。然后只需要按照步骤安装。

 

三、使用Anaconda清华镜像

由于之后要多次使用Anaconda中的conda命令下载文件，最好使用Anaconda镜像文件实现文件的快速下载，只需要在cmd（命令提示符）下直接输入以下两条即可：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

使用了镜像之后，我们就可以继续快速安装和配置了。

 

四、安装mingw

在你的Anaconda安装目录下应该没有MinGW，我的安装目录是D:\ProgramData\Anaconda3，我们直接用Anaconda的安装命令来安装：打开cmd（命令提示符），直接输入安装命令：

conda install mingw libpython

结果如下：

五、安装theano

在cmd下输入以下pip指令，直接安装theano0.8.2。

pip install theano==0.8.2

目前我的版本是theano-0.8.2（0.9的版本容易报错，并且不容易调整过来）

 

六、检查环境变量

这个时候Anaconda的环境变量应该已经自动添加，以防万一，可以在检查一下：

在“此电脑”（也就是我们常说的“我的电脑”）上面点击计算机，然后点击旁边的“属性”（就是有一个红色的勾的那个），左边点击“高级系统设置”，在弹出的“系统属性”下点击“高级”：

找到下面的“环境变量”，点进去后再点击下面系统变量中的Path，检查有没有这两个路径：D:\ProgramData\Anaconda3和D:\ProgramData\Anaconda3\Scripts

如果没有，点击右面的新建，加上这两条路径。

 

七、创建.theanorc.txt文件

在cmd的home目录中（即以下的路径，C:\Users\lenovo，你们的路径可能不一样）新建txt文件（文本文档文件），重命名为.theanorc.txt，在里面设置以下内容：

[global]

openmp=False

[blas]

ldflags =

[gcc]

cxxflags = -ID:\ProgramData\Anaconda3\MinGW

以上那个路径是你安装好的MinGW路径，通常在Anaconda下面。

 

八、测试theano

好啦，我们来休息下，看看theano有没有安装成功：

先进入python命令行模式，直接在cmd中输入python，等到出现了“<<<”后，输入以下指令：

import theano

print(theano.config.blas.ldflags)

若没有返回值，说明安装成功，即：

若有其他错误，可能是版本并不是我安装的以上版本，也可能是配置和我的不一样，具体问题可以在百度上找到答案，如果仍然不能解决可以在下面跟我留言。

 

九、安装CUDA

使用gpu给theano加速最终可以比只用cpu快上10倍以上，并且很多大的工程需要更多的数据，这时候gpu的应用就能决定theano深度学习的效率了，所以我们需要安装CUDA，进而实现gpu的使用。

首先，显卡一定是NVIDIA的，并且已经安装了visualstudio，在这个基础上，我们去他的官网上下载对应的软件支持：

https://developer.nvidia.com/cuda-toolkit 选择CUDA 8版本的安装（安装9RC后一直有些问题解决不了，又换了回来并最终通过了），选择适合的版本，文件有点大，应该是1.3GB左右：（我的是win10版本，x86_64位，本地下载）

 

在漫长的等待后，选择自定义安装，把所有都勾上，最终在cmd中输入以下指令验证安装成功：nvcc -V，会出现以下界面：

 

之后，为了使cudnn能发挥作用，登陆这个网页：http://download.****.net/download/u012223520/9683325在****上下载cudnn8.0。大概有43MB大小左右，下载后将里面的三个文件夹复制粘贴覆盖C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0中。

我们继续配置.theanorc文件，将文件最终配置为：

[global]

device = cuda

floatX = float32

openmp=False

 

allow_input_downcast=True

[lib]

cnmem = 0.3

[gcc]  
  
cxxflags=-ID:\ProgramData\Anaconda3\MinGW  （填MinGW对应路径）
  

[cuda] 

 

root=C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0\bin

[nvcc]  

 

fastmath = True

flags=-LD:\ProgramData\Anaconda3\libs  （填Anaconda下对应的libs路径）
  
-compiler_bindir=D:\Program Files\visual studio\VC\bin （填VS安装时对应的bin路径，前面有一个小短行）

这个时候开始在cmd的python命令行中输入以下指令：import theano.sandbox.cuda，若没有出现错误，说明一切安装正确。

容易出现以下问题：The cuda backend is deprecated and will beremoved in the next release (v0.10). Please switch to the gpuarray backend. Youcan get more information about how to switch at this URL：https://github.com/Theano/Theano/wiki/Converting-to-the-new-gpu-back-end%28gpuarray%29解决方法是：直接使用conda 命令安装：conda installtheano pygpu，同时把theano的配置文件.theanorc.txt中device=gpu改成device=cuda or cuda0（此处来源http://www.jianshu.com/p/5d5b521c7382）

十、测试能否使用gpu加速

 

from theanoimport function,config, shared, sandbox

import theano.tensoras 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 iin range(iters):

    r = f()

t1 = time.time()

print('Looping %dtimes took' %iters, t1 - t0,'seconds')

print('Result is', r)

 

ifnumpy.any([isinstance(x.op, T.Elemwise)for xin f.maker.fgraph.toposort()]):

    print('Used the cpu')

else:

    print('Usedthe gpu')

最终会输出：Used the gpu，并有开销时间显示，我的电脑用了1.57s，将.theanorc.txt文件改成一下形式，即可以使用cpu，最终程序输出Used the cpu，用了17s左右。这可以很明显看出使用gpu的速度更快。

[blas]

ldflags =

[gcc]

cxxflags=-ID:\ProgramData\Anaconda3\MinGW 

 

附：最终的成功安装由于解决各种错误，有一点小小的区别：

1、       与theano有关的网上更新的依赖库下载了一些。

2、       增加了一个清华镜像。