Theano 配置记（Anaconda+Theano 0.7+GPU加速+VS2010）

 终于配置好Theano ，以后可以开始跑实验了 ，写一篇日志记录一下，以防重装系统（这种事经常发生 ）不记得怎么配置了。Theano官网上的配置比较杂，我就选了其中一种进行配置。

主要材料：VS2010，Anaconda，Theano，CUDA

首先下载Anaconda，不过最好下载python2.7的（python3.4的配置没有试过）
安装好Anaconda后，点击下图第一个

进入控制台，输入conda install mingw libpython  ，敲个回车就好
 

关于mingw，详见百度百科，安装好mingw之后，就要去下载Theano

下载好Theano-master之后，解压文件，位置不限，以D盘根目录为例。再通过控制台进入Theano的目录下，输入以下指令（PS：由于我把Anaconda安装在D盘根目录下，实际上的指令还是根据具体的安装路径来）

 
敲个回车，等待安装完成：

安装好了之后 ，就可以打开VS2010进行测试了。但是由于Theano是用Python语言写的，而VS2010本身并不支持Python，需要下载插件PTVS，下载完插件之后双击安装就行。
 安装好PTVS之后就可以运行Theano官网上的测试例程了：

import numpy as npimport timeimport theanoA = 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(), )

 
运行结果如下：
 
 运行成功，Theano已经配置成功。
如果光用CPU跑的话会比较慢，所以一般会启用GPU加速。 

首先得要安装CUDA，在英伟达官网上下载，可能需要注册，CUDA安装比较简单，就跟普通软件安装的过程一样，CUDA安装完成之后，需要进行配置，我是没有找到.theanorc.txt（注意是.theanorc.txt而不是theanorc.txt，有个小数点），不过没事，可以自己创建，最后需要放到C:\users\username文件夹下就可以

以下是我的配置文件：

[global]
device = gpu
floatX = float32
[nvcc]
flags=-LD:\Anaconda\Lib
compiler_bindir=D:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

注意：flags=-LD:\Anaconda\Libs，其中D:\Anaconda\Lib是python的各种库，包括Theano，前面的-L我还不是很清楚是什么意思，如果有高手知道的话，麻烦指点一下，不过必须要加，不加的话会出现下面的错误：

compiler_bindir就是选择编译器的地址。

配置完成之后再测试以下代码：

from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport timevlen = 10 * 30 * 768  # 10 x #cores x # threads per coreiters = 1000rng = 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 %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')

运行成功：

不过并不是很清楚CNMeM是什么东西，有高手知道的话可以指点一下