theano學習筆記(1)環境搭建
原文地址 ：http://blog.csdn.net/hjimce/article/details/46654229
作者 ：hjimce
搭建theano實屬不易，因為每個人的電腦不一樣，所以安裝過程會有所區別，特別是安裝cuda的時候，很容易驅動沖突。網上教程一大堆，但是我都沒搭建成功，最后根據官網的教程，一步一步的琢磨，總算功夫不負有心人。因此寫一下艱辛的theano安裝歷程
環境：win7+64位系統?
硬件：筆記本電腦， 顯卡型號:GTX 850M
現在假設電腦啥都沒裝，開始從頭到尾進行環境搭建。
1、安裝An cond a 。
因為如果安裝純凈版python，還需要自己安裝其它的numpy、matpolt等庫，挺麻煩的。所以我直接安裝集成的Anaconda ，這個軟件包含了Ipython，還有許多python的計算庫。下載地址為：http://www.continuum.io/downloads
因為我是64位系統，因此選擇64位的版本，下載后文件為：Anaconda-2.2.0-Windows-x86_64.exe，下載完成后，就直接雙擊開始安裝，全部都選取默認的就可以了，默認會安裝到：C:\An cond a。
安裝完成后，在window開始菜單下，的所有程序中找到已安裝的Anaconda，如下：
打開Anaconda的命令窗口：Anaconda Command Prompt，然后輸入命令：conda list ? ? ?可以查看Anaconda為我們安裝的python相關的包：
里面有非常多的包，如：numpy, nose, pip, python, scipy。
2、安裝mingw、theano
(1)mingw 安裝
有的Anaconda 是有包含mingw的，不過我下載到的版本安裝完以后上面的包列表中并沒有mingw，也就是C:\Anconda文件下沒有MinGW文件夾，因此需要自己在線安裝。這個如果沒有裝好，后面使用theano的時候會提示：g++ no detect，還有g++不是內部命令什么的。總之如果錯誤提示g++問題，就代表mingw沒有安裝或配置好。
我們在Anaconda命令窗口中，輸入mingw的安裝命令：?conda install mingw。
聲明修改：這一步用命令conda install mingw錯了，最后theano安裝完后，輸入命令“import theano”會出現：no module named gof 的錯誤 。需要把mingw的安裝命令改為：?conda install mingw libpython 。才不會出現后面的no module named gof 錯誤
因為我已經安裝過了，所以輸入安裝命令后，提示的是：All requested packages already installed。也就是已經安裝完了，如果還沒有安裝的，它會自動鏈接在線安裝。
mingw安裝完后，在C:\Anconda文件下會出現：名為MinGW的文件夾。
(2)theano 安裝
與mingw的安裝類似，直接在anaconda的命令窗口中輸入命令：pip install theano。接著會自動進行在線安裝，如下所示：
最后安裝成功了會提示：successfully installed theano。
(3)配置環境變量
在桌面上我的電腦右鍵-》屬性-》高級系統設置-》環境變量。即可進入環境變量設置界面如下：
步驟一、在系統環境變量中選擇“變量path”，在后面加入值：“c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\x86_64-mingw32\lib;”(如果操作系統為32位的變量值輸入為“c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\i686_w64-mingw32\lib;”)（注意要帶分號）
步驟二、新建環境變量。變量名為“PYTHONPATH”,變量值為“C:\Anaconda\Lib\site-packages\theano;”（同樣注意要帶分號）
步驟三、打開C盤-》用戶-》當前用戶（根據你的電腦用戶而定）。因為我的電腦現在所用的是超級管理員用戶Adminstrator，因此打開Adminstrator用戶
用戶目錄
在用戶Adminstrator下面創建文件名為：“.theanorc.txt”,文件內容為：
“[blas]?
即：
ok，到了這里我們已經完成了theano配置的上半部分，這個時候theano已經可以用了，接著需要做個測試，測試一下自己上面的配置有沒有問題。
(4)測試配置是否有誤
測試開始前，需要重啟電腦，因為我們上面配置了環境變量，系統的環境變量設置完了需要重啟電腦才能有效果。
測試方法一、
測試代碼：
[python] ?view plaincopy
import ?numpy?as?np?? import ?time?? import ?theano?? A?=?np.random.rand(1000 , 10000 ).astype(theano.config.floatX)?? B?=?np.random.rand(10000 , 1000 ).astype(theano.config.floatX)?? np_start?=?time.time()?? AB?=?A.dot(B)?? np_end?=?time.time()?? X,Y?=?theano.tensor.matrices('XY' )?? mf?=?theano.function([X,Y],X.dot(Y))?? t_start?=?time.time()?? tAB?=?mf(A,B)?? t_end?=?time.time()?? print ? "NP?time:?%f[s],?theano?time:?%f[s]?(times?should?be?close?when?run?on?CPU!)" ?%(?? ???????????????????????????????????????????np_end-np_start,?t_end-t_start)?? print ? "Result?difference:?%f" ?%?(np.abs(AB-tAB).max(),?)??
把上面的代碼拷貝復制一下，然后用python運行一下結果如下：
如果上面的np time 和theano time 差不多，那就代表你上面的配置沒有問題了，這個有的時候電腦還有其他的任務，也有可能導致運行的時間不一致。
測試方案二、
在python命令窗口中輸入：
[python] ?view plaincopy
Import?theano?? print ?theano.config.blas.ldflags??
沒有出錯( 沒有返回值 ) 則說明已經配置成功，如下圖所示，就代表成功了：
測試方案三、 驗證BLAS是否安裝成功。 由于numpy是依賴BLAS的，如果BLAS沒有安裝成功，雖然 numpy 亦可以安裝，但是無法使用BLAS的加速。 驗證numpy是否真的成功依賴BLAS編譯，用以下代碼試驗：?
>>> import numpy? >>> id(numpy.dot) == id(numpy.core.multiarray.dot)? False? 結果為False表示成功依賴了BLAS加速，如果是Ture則表示用的是python自己的實現并沒有加速。 結果如下代表成功：
3、安裝CUDA
上面的theano配置只是完成了上半部分，這個時候還不能進行gpu加速。這個時候我們可以用如下命令：
>>import ?theano
>>theano.test()
測試看一下結果如下，這個時候會跳出PyCUDA的相關錯誤信息，因為我們還沒有安裝CUDA。
OK,接著我們要做的就是安裝CUDA了。具體步驟如下：
(1)安裝vs ， 根據theano官網的安裝教程，到網站：? 下載到：VS2010Express1.iso，然后用虛擬光驅打開，然后在打開 VCExpress文件，雙擊安裝文件：VCExpress\setup.exe ?
(2)安裝CUDA。
a、下載合適的cuda版本。這一步很操蛋，因為我一開始是根據官網教程，到這個網站：https://developer.nvidia.com/cuda-toolkit-55-archive? 根據我是筆記本電腦同時是win7 64位系統，最后下載了cuda_5.5.20_winvista_win7_win8_notebook_64.exe。等了一個小時終于下載完了，下載完后進行安裝，結果一安裝就出現如下錯誤：
告訴我說圖形驅動與顯卡不兼容，如果繼續安裝，即使安裝成功了，也不能使用cuda。于是我就去下載了個高一點的版本：cuda6.5，等了一個小時終于下載完了，結果一運行還是同樣的錯誤。
最后我下載了最新的版本：cuda_7.0.28_windows.exe ? 終于沒有錯誤了。因此安裝cuda需要根據電腦的顯卡型號確定，因為我的電腦是剛買不久的，所以顯卡比較先進。
根據上面的步驟，我的電腦找到了合適版本為cuda7.0版本。接著就需要安裝cuda_7.0.28_windows.exe這玩意了?
b、安裝cuda。下載完后，直接雙擊安裝，選擇自定義安裝，然后把所有包的都勾選上，省的后面出現什么錯誤。這一步有可能會遇到驅動沖突，導致某些包安裝失敗，比如我第一次安裝的時候，結果圖形驅動包就安裝失敗了。
如果某些包安裝失敗，后面使用theano的時候，會跳出錯誤。像我圖形驅動安裝失敗，運行theano的時候就出現錯誤提示為cuda版本與驅動版本不一致。因此如果你安裝cuda的過程中，有出現安裝失敗的，那么請你接著往下看。安裝失敗一般是驅動沖突的問題，這個時候我的方法是用驅動精靈卸載掉顯卡驅動，然后在進行安裝。如果是筆記本電腦，因為是雙顯卡的，那么就先卸載掉NVIDIA的，另外一個Intel的驅動保留的著。
然后在進行安裝CUDA ,還有intel驅動最好是官方驅動，不然也有可能沖突，導致安裝失敗。
ok,安裝完后測試一下是否安裝正確。
在命令提示符窗口中輸入：nvcc -V，回車查看是否有版本信息。若出現版本信息，則證明nvcc安裝成功，如下圖所示：
接著我們運行一個cuda自帶的測試例子，名字為：deviceQuery_vs2012.sln ?，這個例子目錄為：C:\Program Files\NVIDIA Corporation\Installer2\CUDASamples_7.0.{E78AE18E-ED3C-4168-AF5B-561BDF7F2BBB}\1_Utilities\deviceQuery 。我用vs2012打開了deviceQuery_vs2012.sln，并編譯運行得到如下結果，代表安裝成功：
如果有問題，這個例子運行后，會有錯誤提示信息。
4、 下載并安裝Microsoft Visual C++ Compiler for Python 2.7 。下載到的文件為：VCForPython27.msi。
接著在dos命令窗口中，cd到VCForPython27.msi所在的目錄，然后輸入安裝命令： ? msiexec ?/i ?VCForPython27.msi ?ALLUSERS=1
接著會進行安裝VCForPython27.msi。其將被安裝到：? C:\Program ?Files ?(x86)\Common ?Files\Microsoft\Visual ?C++ ?for ?Python\9.0 .目錄下
安裝完后，可以到這個目錄下看看有沒有上面這個目錄。
安裝完了以后，我們新建一個文件名為：stdint.h，其文件內容如下： ?
[cpp] ?view plaincopy
?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? #ifndef?_MSC_VER?//?[ ?? #error?"Use?this?header?only?with?Microsoft?Visual?C++?compilers!" ?? #endif?//?_MSC_VER?] ?? ?? #ifndef?_MSC_STDINT_H_?//?[ ?? #define?_MSC_STDINT_H_ ?? ?? #if?_MSC_VER?>?1000 ?? #pragma?once ?? #endif ?? ?? #if?_MSC_VER?>=?1600?//?[ ?? #include?<stdint.h> ?? #else?//?]?_MSC_VER?>=?1600?[ ?? ?? #include?<limits.h> ?? ?? ?? ?? ?? ?? #ifdef?__cplusplus ?? extern ? "C" ?{?? #endif ?? #??include?<wchar.h> ?? #ifdef?__cplusplus ?? }?? #endif ?? ?? ?? #ifndef?_W64 ?? #??if?!defined(__midl)?&&?(defined(_X86_)?||?defined(_M_IX86))?&&?_MSC_VER?>=?1300 ?? #?????define?_W64?__w64 ?? #??else ?? #?????define?_W64 ?? #??endif ?? #endif ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? #if?(_MSC_VER?<?1300) ?? ???typedef ? signed ? char ???????int8_t;?? ???typedef ? signed ? short ??????int16_t;?? ???typedef ? signed ? int ????????int32_t;?? ???typedef ?unsigned? char ?????uint8_t;?? ???typedef ?unsigned? short ????uint16_t;?? ???typedef ?unsigned? int ??????uint32_t;?? #else ?? ???typedef ? signed ? __int8 ?????int8_t;?? ???typedef ? signed ? __int16 ????int16_t;?? ???typedef ? signed ? __int32 ????int32_t;?? ???typedef ?unsigned? __int8 ???uint8_t;?? ???typedef ?unsigned? __int16 ??uint16_t;?? ???typedef ?unsigned? __int32 ??uint32_t;?? #endif ?? typedef ? signed ? __int64 ???????int64_t;?? typedef ?unsigned? __int64 ?????uint64_t;?? ?? ?? ?? typedef ?int8_t????int_least8_t;?? typedef ?int16_t???int_least16_t;?? typedef ?int32_t???int_least32_t;?? typedef ?int64_t???int_least64_t;?? typedef ?uint8_t???uint_least8_t;?? typedef ?uint16_t??uint_least16_t;?? typedef ?uint32_t??uint_least32_t;?? typedef ?uint64_t??uint_least64_t;?? ?? ?? typedef ?int8_t????int_fast8_t;?? typedef ?int16_t???int_fast16_t;?? typedef ?int32_t???int_fast32_t;?? typedef ?int64_t???int_fast64_t;?? typedef ?uint8_t???uint_fast8_t;?? typedef ?uint16_t??uint_fast16_t;?? typedef ?uint32_t??uint_fast32_t;?? typedef ?uint64_t??uint_fast64_t;?? ?? ?? #ifdef?_WIN64?//?[ ?? ???typedef ? signed ? __int64 ???? intptr_t ;?? ???typedef ?unsigned? __int64 ?? uintptr_t ;?? #else?//?_WIN64?][ ?? ???typedef ?_W64? signed ? int ??? intptr_t ;?? ???typedef ?_W64?unsigned? int ? uintptr_t ;?? #endif?//?_WIN64?] ?? ?? ?? typedef ?int64_t???intmax_t;?? typedef ?uint64_t??uintmax_t;?? ?? ?? ?? ?? #if?!defined(__cplusplus)?||?defined(__STDC_LIMIT_MACROS)?//?[???See?footnote?220?at?page?257?and?footnote?221?at?page?259 ?? ?? ?? #define?INT8_MIN?????((int8_t)_I8_MIN) ?? #define?INT8_MAX?????_I8_MAX ?? #define?INT16_MIN????((int16_t)_I16_MIN) ?? #define?INT16_MAX????_I16_MAX ?? #define?INT32_MIN????((int32_t)_I32_MIN) ?? #define?INT32_MAX????_I32_MAX ?? #define?INT64_MIN????((int64_t)_I64_MIN) ?? #define?INT64_MAX????_I64_MAX ?? #define?UINT8_MAX????_UI8_MAX ?? #define?UINT16_MAX???_UI16_MAX ?? #define?UINT32_MAX???_UI32_MAX ?? #define?UINT64_MAX???_UI64_MAX ?? ?? ?? #define?INT_LEAST8_MIN????INT8_MIN ?? #define?INT_LEAST8_MAX????INT8_MAX ?? #define?INT_LEAST16_MIN???INT16_MIN ?? #define?INT_LEAST16_MAX???INT16_MAX ?? #define?INT_LEAST32_MIN???INT32_MIN ?? #define?INT_LEAST32_MAX???INT32_MAX ?? #define?INT_LEAST64_MIN???INT64_MIN ?? #define?INT_LEAST64_MAX???INT64_MAX ?? #define?UINT_LEAST8_MAX???UINT8_MAX ?? #define?UINT_LEAST16_MAX??UINT16_MAX ?? #define?UINT_LEAST32_MAX??UINT32_MAX ?? #define?UINT_LEAST64_MAX??UINT64_MAX ?? ?? ?? #define?INT_FAST8_MIN????INT8_MIN ?? #define?INT_FAST8_MAX????INT8_MAX ?? #define?INT_FAST16_MIN???INT16_MIN ?? #define?INT_FAST16_MAX???INT16_MAX ?? #define?INT_FAST32_MIN???INT32_MIN ?? #define?INT_FAST32_MAX???INT32_MAX ?? #define?INT_FAST64_MIN???INT64_MIN ?? #define?INT_FAST64_MAX???INT64_MAX ?? #define?UINT_FAST8_MAX???UINT8_MAX ?? #define?UINT_FAST16_MAX??UINT16_MAX ?? #define?UINT_FAST32_MAX??UINT32_MAX ?? #define?UINT_FAST64_MAX??UINT64_MAX ?? ?? ?? #ifdef?_WIN64?//?[ ?? #??define?INTPTR_MIN???INT64_MIN ?? #??define?INTPTR_MAX???INT64_MAX ?? #??define?UINTPTR_MAX??UINT64_MAX ?? #else?//?_WIN64?][ ?? #??define?INTPTR_MIN???INT32_MIN ?? #??define?INTPTR_MAX???INT32_MAX ?? #??define?UINTPTR_MAX??UINT32_MAX ?? #endif?//?_WIN64?] ?? ?? ?? #define?INTMAX_MIN???INT64_MIN ?? #define?INTMAX_MAX???INT64_MAX ?? #define?UINTMAX_MAX??UINT64_MAX ?? ?? ?? ?? #ifdef?_WIN64?//?[ ?? #??define?PTRDIFF_MIN??_I64_MIN ?? #??define?PTRDIFF_MAX??_I64_MAX ?? #else??//?_WIN64?][ ?? #??define?PTRDIFF_MIN??_I32_MIN ?? #??define?PTRDIFF_MAX??_I32_MAX ?? #endif??//?_WIN64?] ?? ?? #define?SIG_ATOMIC_MIN??INT_MIN ?? #define?SIG_ATOMIC_MAX??INT_MAX ?? ?? #ifndef?SIZE_MAX?//?[ ?? #??ifdef?_WIN64?//?[ ?? #?????define?SIZE_MAX??_UI64_MAX ?? #??else?//?_WIN64?][ ?? #?????define?SIZE_MAX??_UI32_MAX ?? #??endif?//?_WIN64?] ?? #endif?//?SIZE_MAX?] ?? ?? ?? #ifndef?WCHAR_MIN?//?[ ?? #??define?WCHAR_MIN??0 ?? #endif??//?WCHAR_MIN?] ?? #ifndef?WCHAR_MAX?//?[ ?? #??define?WCHAR_MAX??_UI16_MAX ?? #endif??//?WCHAR_MAX?] ?? ?? #define?WINT_MIN??0 ?? #define?WINT_MAX??_UI16_MAX ?? ?? #endif?//?__STDC_LIMIT_MACROS?] ?? ?? ?? ?? ?? #if?!defined(__cplusplus)?||?defined(__STDC_CONSTANT_MACROS)?//?[???See?footnote?224?at?page?260 ?? ?? ?? ?? #define?INT8_C(val)??val##i8 ?? #define?INT16_C(val)?val##i16 ?? #define?INT32_C(val)?val##i32 ?? #define?INT64_C(val)?val##i64 ?? ?? #define?UINT8_C(val)??val##ui8 ?? #define?UINT16_C(val)?val##ui16 ?? #define?UINT32_C(val)?val##ui32 ?? #define?UINT64_C(val)?val##ui64 ?? ?? ?? ?? ?? #ifndef?INTMAX_C?//???[ ?? #??define?INTMAX_C???INT64_C ?? #endif?//?INTMAX_C????] ?? #ifndef?UINTMAX_C?//??[ ?? #??define?UINTMAX_C??UINT64_C ?? #endif?//?UINTMAX_C???] ?? ?? #endif?//?__STDC_CONSTANT_MACROS?] ?? ?? #endif?//?_MSC_VER?>=?1600?] ?? ?? #endif?//?_MSC_STDINT_H_?] ??
然后把它放到目錄 ：
C:\Program ? Files ? (x86)\Common Files\Microsoft\Visual ? C++ ? for ? Python\9.0\VC\include\stdint.h 下面。
5、重新配置文件.theanorc.txt 。把步驟2(3) 中建立的文件：.theanorc.txt 內容改為如下內容：
[cpp] ?view plaincopy
[blas]??? ldflags=?? ?? [global]?? device?=?gpu?? floatX?=?float32?? ?? ?? [nvcc]?? fastmath=True?? flags?=-LC:\Anaconda\libs?? compiler_bindir=C:\Program?Files?(x86)\Microsoft?Visual?Studio?10.0\VC\bin?? ?? [gcc]??? cxxflags?=?-IC:\Anaconda\MinGW\include??
這樣就完成了theano的GPU配置了。上面的：
[cpp] ?view plaincopy
compiler_bindir=C:\Program?Files?(x86)\Microsoft?Visual?Studio?10.0\VC\bin??
這個如果你的電腦是裝vs2012，那么就把10.0改為11.0。也就是說上面的路徑就是你安裝的vs所在的目錄
6、完整測試。
測試的python代碼如下：
[python] ?view plaincopy
from ?theano? import ?function,?config,?shared,?sandbox?? import ?theano.tensor?as?T?? import ?numpy?? import ?time?? ?? vlen?=?10 ?*? 30 ?*? 768 ?? ?? 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 ?xrange(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' ??
運行結果如下：
(1)GPU測試
下面是用GPU加速的運行結果：
如上運行結果可知，用gpu進行計算時間差不多是0.68秒左右。 如果想切換成只用cpu的測試的話，我是通過更改文件： .theanorc.txt的內容。如果開啟gpu，那么 .theanorc.txt的內容為：
[python] ?view plaincopy
[blas]??? ldflags=?? ?? [global ]?? device?=?gpu?? floatX?=?float32?? ?? ?? [nvcc]?? fastmath=True ?? flags?=-LC:\Anaconda\libs?? compiler_bindir=C:\Program?Files?(x86)\Microsoft?Visual?Studio?10.0 \VC\bin?? ?? [gcc]??? cxxflags?=?-IC:\Anaconda\MinGW\include??
(2)CPU測試。 如果想關閉gpu，進行cpu測試那么就把.theanorc.txt內容改為：
[python] ?view plaincopy
[blas]??? ldflags=?? ?? ?? ?? [gcc]??? cxxflags?=?-IC:\Anaconda\MinGW\include??
還有需要重啟電腦。不知道有沒有更好的在gpu與cpu切換的方法，如果有請不吝指導，因為我這個方法每次都要重啟，下面是測試結果圖：
測試了結果，只用cpu花了13秒的時間，也就是說對于我的電腦，使用gpu進行加速，這速度提高了近20倍。
本文地址： http://blog.csdn.net/hjimce/article/details/46654229? ? ? 作者：hjimce ? ? 聯系qq：1393852684 ?? 更多資源請關注我的博客：http://blog.csdn.net/hjimce? ? ? ? ? ? ? ? 原創文章，轉載請保留本行信息。
參考文獻：
1、http://deeplearning.net/software/theano/install_windows.html#install-windows
2、http://blog.163.com/yuyang_tech/blog/static/216050083201469101518900/
附錄：
1、在調用theano.test()測試的時候，如果出現：no ?module ?name ?theano 的錯誤，表明要么沒有安裝，theano。如果確保已經安裝了，那么就是你：高級-》環境變量 的路徑沒有設置好。
上面的環境變量設置：“C:\Anaconda\Lib\site-packages\theano;”查看一下是否有這個目錄。比如我另外一臺電腦安裝的時候，不知怎么回事，theano的安裝目錄竟然是大寫的：Theano，一直不知道錯在哪
from:?http://blog.csdn.net/hjimce/article/details/46654229
總結
以上是生活随笔 為你收集整理的深度学习（二）theano学习笔记(1)环境搭建 的全部內容，希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔 網站內容還不錯，歡迎將生活随笔 推薦給好友。
