windows 10 安装CUDA 7.5和PyCUDA（在GPU上运行theano）

搭建环境之前自己曾在网上搜索过相关博客，能找到的中文资料确实不敢恭维，主要存在的问题是版本过低。因此参考了别人的很多经验，才有了这篇相对版本较新的中文资料，供大家参考交流。

1.    安装Visual Studio 2013

注意：这里并不是VS的版本越新越好(PS: VS2015也已经发布有一段时间了)。

首先，我们需要检查待安装的CUDA版本所支持的VS版本，时至今日（2016.02.16）

我们可以看到，CUDA的最新版本7.5仅提供对VS2013及之前版本的支持。VS2013的安装破解比较简单，在网盘搜索引擎里很容易就能找到安装包和密钥。

安装完成后，记得在系统变量path（system PATH）中添加以下两项：

C:\ProgramFiles (x86)\Microsoft Visual Studio 12.0\VC\bin\;C:\Program Files(x86)\Microsoft Visual Studio 12.0\Common7\IDE

（PS: 如上你需要根据自己的VS的安装路径做出更改，如果只是针对Theano的话，其实可以不用在这里指明cl.exe的位置，因为接下来我们会在.theanorc文件中再定义一次，为了方便其他应用，最好还是写进去吧）。

2.    安装CUDA toolkit

进入NVIDA的官网，下载完CUDA  toolkit之后，一键傻瓜式安装。但是，安装之前还是要提醒你检查一下自己机器的显卡是不是NVIDA的产品。详细安装步骤参考：http://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#axzz410A2xbq6

3.    安装Python

可以尝试使用Anaconda（下载地址：https://www.continuum.io/downloads），自动的就会帮助你安装完成Python基本环境，并配置好了诸如numpy，scipy等等python科学计算的常用工具包。如果想安装别的包也很方便，在Anaconda Prompt中键入命令：“conda install [工具包名]”即可。

安装完成Anaconda之后，需要安装依赖项。

conda install mingw libpython

4.    安装theano

在以上基础上有两种方法安装theano，差别在于theano的获取途径不同，个人推荐第二种，但是安装之前需要在你的机器上安装git。

方法一：

使用

pip install theano

方法二：

安装完git后，命令行cd入D:/anaconda2/Lib/site-packages目录下，从github中获取安装文件：

git clone git://github.com/Theano/Theano.git

然后进入Theano目录下，执行以下命令

cd Theanopython setup.pydevelop

不管使用方法一还是方法二，完成以上过程之后需要在你的HOME目录（类似于c:/Users/YOURNAME/）下创建一个名为 .theanorc.txt的文件（注意文件的开始有一个点），内容如下：

[global]

floatX = float32

device = gpu

[nvcc]

flags=-LC:\SciSoft\Anaconda\libs

compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin

标记为红色的部分要根据你的anaconda安装目录以及VS2013的安装目录自行选定。

5.    安装PyCUDA

下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#pycuda

我的Python版本是2.7，所以我下载的是pycuda‑2015.1.3+cuda7518‑cp27‑none‑win_amd64.whl

安装

pip install pycuda‑2015.1.3+cuda7518‑cp27‑none‑win_amd64.whl

6.    测试Theano和PyCUDA

最简单的import测试：

import theano

输出：

Using gpu device0: GeForce GT 640M (CNMeM is disabled)

根据theano的文档（文档地址：http://deeplearning.net/software/theano/tutorial/using_gpu.html）示例snippet测试：

from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport time vlen = 10 * 30 *768  # 10 x #cores x # threads per coreiters = 1000 rng = numpy.random.RandomState(22)x =shared(numpy.asarray(rng.rand(vlen), config.floatX))f = function([],T.exp(x))printf.maker.fgraph.toposort()t0 = time.time()for i inxrange(iters):    r = f()t1 = time.time()print 'Looping%d times took' % iters, t1 - t0, 'seconds'print 'Resultis', rifnumpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):    print 'Used the cpu'else:    print 'Used the gpu'

得到的结果如下：

Using gpu device0: GeForce GT 630M (CNMeM is disabled)

[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32,vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]

Looping 1000times took 1.42199993134 seconds

Result is [1.23178029  1.61879349  1.52278066 ...,  2.20771813 2.29967761

  1.62323296]

Used the gpu

 

测试PyCUDA（文档地址: http://documen.tician.de/pycuda/index.html）

import pycuda.autoinitimport pycuda.driver as drvimport numpy from pycuda.compiler import SourceModulemod = SourceModule("""__global__  void multiply_them(float *dest, float *a, float *b){  const int i = threadIdx.x;  dest[i] = a[i] * b[i];}""") multiply_them =mod.get_function("multiply_them") a =numpy.random.randn(400).astype(numpy.float32)b =numpy.random.randn(400).astype(numpy.float32) dest = numpy.zeros_like(a)multiply_them(        drv.Out(dest), drv.In(a), drv.In(b),        block=(400,1,1), grid=(1,1)) print dest-a*b

测试结果：如果你看到了一堆0那么就要恭喜你了。

至此，我们完成了在WIN10系统上针对GPU平台搭建theano深度学习框架的全部过程。多提一点，如果你不希望运行在GPU上的话，也很简单，上述步骤中你可以省略”安装CUDA”、”安装PyCUDA“、“安装VS2013”等过程，然后配置的时候.theanorc.txt文件中包括[nvcc]在内的其所标注的全部内容都删掉就可以了。

个人原创．转载请注明出处