CUDA 8.0 + VS2013 + win7 x64开发环境搭建

本文参考了网络上其它文档，具体不再一个个致谢，前辈们都是强大的指明灯！根据自己的具体情况进行了修改或勘误，血泪之作，仅供菜鸟借鉴使用，注意，菜鸟，高手就不要瞎BB了。
（明明很简单的事情，但是作为新手，这玩意居然折腾了伦家好几天，有些不开心）

---

1. 安装VS2013。
   伦家的VS2013为中文版。
   （实验室那个盗版的VS2013不知道哪里缺文件，并不能用；VS2015的社区版本不支持cross，也就算了，装了VS2015的专业版，不知道哪里出问题，居然连界面都进不去，有点愤怒的feel…）

   ---

2. 安装cuda_8.0。
   官网下载直接next安装，需要记住安装的路径，不讲。以前的版本分sdk、doc、toolkit三个安装部分，新的变成了Samples、doc、Development，其实木有太大区别，Samples=sdk。
   （然而作为菜鸟的我，第一次安装的时候，根据网上历史版本的教程居然不知道哪个是哪个，需要注意的是，如果安装后需要卸载一定要卸载干净，注册表要删了，不然下次一定提示你library目录安装不了）

   ---

3. 设置环境变量：
   安装完毕后，在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
   　　CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
   　　CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
   　　CUDA_BIN_PATH = %CUDA_PATH%\bin
   　　CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
   CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
   伦家的安装路径是默认的，所以添加的路径分别是下面这样的：
   CUDA_PATH
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
   CUDA_PATH_V8_0
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
   CUDA_SDK_PATH
   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
   CUDA_LIB_PATH
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
   CUDA_BIN_PATH
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
   CUDA_SDK_BIN_PATH
   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64
   CUDA_SDK_LIB_PATH
   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64
   然后，在系统变量 PATH 的末尾添加：
   　;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
   ；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；
   重新启动计算机。
   至此，cuda的安装就搞定了。

   ---

4. 监测cuda安装成功与否:
   这个步骤用到两个东西，都是cuda为我们准备好的: deviceQuery.exe 和 bandwithTest.exe
   首先启动cmd DOS命令窗口
   默认进来的是c:\users\Admistrator>路径，输入 cd .. 两次，来到c:目录下
   输入dir 找到安装的cuda文件夹
   
   直接执行bandwidthTest.exe
   该文件的路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
   
   再执行deviceQuery.exe
   该文件的路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
   
   
   Rsult=PASS及说明，都通过了。如果Rsult=Fail 那不好意思，重新安装吧。

   ---

5. 配置VS 2013
   　　5.1 启动VS2013
   5.2 新建一个win32的控制台工程，空的。
   
   伦家的保存路径：c:\users\lvfeiya\documents\visual studio 2013\Projects
   

5.3 右键源文件文件夹->新建项->选择cuda c/c++- Header>新建一个以.cu结尾的文件

保存路径：
c:\Users\lvfeiya\documents\visual studio 2013\Projects\sevenCuda\sevenCuda\
　　5.4 右键sevenCuda-》生成依赖项-》生成自定义-》选择cuda生成

　　5.5 右键test.cu-》属性-》选择cuda c/c++编译器

5.6 右键工程-》属性-》链接器-》常规-》附加库目录-》添加目录 $(CUDA_PATH_V5_5)\lib\$(Platform);

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib(Platform)
$(CUDA_PATH_V8_0)\lib\$(Platform);

（伦家也不知道究竟是上面的还是下面的格式，，，反正伦家添加的是下面的）

　　5.7 在链接器-》输入中添加 cudart.lib

　　5.8 在工具-》选项-》文本编辑器-》文件扩展名-》添加cu \cuh两个文件扩展名
这个设置是让VS2010编辑.cu文件时，把.cu文件里的C/C++语法高亮。在VS2013的菜单 依次点击：Tools->Options…->Text Editor->File Extension，添加.cu和.cuh，使之采用C++编辑器。

至此，编译环境的相关搭建就完成了。

---

1. 安装Anaconda
   Anaconda包含了Theano所需的各种Python库，用它来安装Python环境的确非常方便，安装的时候勾选把Anaconda加到环境变量中。Anaconda的位数要跟你的cuda版本一样，选择的都是64 bit。
   安装目录我用的E:\Anapy2。
   安装完检查一下，打开cmd命令行：
   
   装完以后别着急下一步：
   验证BLAS是否安装成功
   由于numpy是依赖BLAS的，如果BLAS没有安装成功，虽然numpy亦可以安装，但是无法使用BLAS的加速。验证numpy是否成功依赖BLAS编译：
   python

   import numpy
   id(numpy.dot) == id(numpy.core.multiarray.dot)
   False
   结果为False表示成功使用BLAS加速，如果是Ture则表示用的是python的实现，没有加速。 状况不解决的话，之后theano库跑一些例子会爆类似cannot find -lf77blas-lcblas-latlas的错误.简单处理：重装
   （伦家这个居然怎么弄都是false，~~(>_<)~~，教程里都是骗人的，伦家试了，重装无效）
   也可以考虑MKL（收费的）和OpenBLAS。
   这里给出两个库的一些安装方面的博客和讨论帖：
   http://ijiaer.com/python-with-mkl-hpc/（mkl）
   https://www.kaggle.com/c/otto-group-product-classification-challenge/forums/t/13973/a-few-tips-to-install-theano-on-windows-64-bits/93135（OpenBLAS）

   ---

2. 安装MingW
   貌似Anaconda-2.之前的版本是内置了MinGW环境的，之后就不带MinGW了。（查看C:\Anaconda下有无MinGW目录）
   安装方法：

3. 打开CMD（注意是windows命令提示符，并不是进入到python环境下）；
4. 输入conda install mingw libpython，然后回车，会出现安装进度，稍等片刻即可安装完毕。此时就有C:\Anaconda\MinGw目录了。 （网速一定要好，网速不好会出现一串的false）
   可在windows命令行中输入g++ -v来查看是否安装成功：
   
   环境配置
   1). 编辑用户变量中的path变量，在后边追加C:\Anaconda;C:\Anaconda\Scripts; 不要漏掉分号，此处需要根据自己的安装目录填写。
   伦家的路径：E:\Anapy2; E:\Anapy2\Scripts
   2). 在你的系统环境变量里面的path中加入 C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib即可。
   E:\Anapy2\MinGW\bin; E:\Anapy2\MinGW\x86_64-w64-mingw32\lib
   在系统变量中新建变量PYTHONPATH，变量值为C:\Anaconda\Lib\site-packages\theano;
   PYTHONPATH
   E:\Anapy2\Lib\site-packages\theano;
   此处就是指明安装的theano的目录是哪，theano会在后面安装，正常安装的默认路径就是这个。
   3). 打开cmd，会看到窗口里边有个路径C:\Users\FYB>，即home目录，在此目录下新建 .theanorc.txt 文件（作为theano的配置文件，注意名字中的第一个“.”，如果已经存在，则直接修改该文件），设置如下内容：
   所谓cmd的home目录：打开cmd时，在>前面的默认路径：
   
   [global]
   openmp=False
   [blas]
   ldflags =
   [gcc]
   cxxflags = -ID:\Anaconda\MinGW\include
   cxxflags = -IE:\Anapy2\MinGW
   一定要是你安装的Anaconda的路径，一定不要弄错，否则找不到MinGw。
   重启电脑！

5. 测试theano是否安装成功
   测试方法1 ：
   import theano
   print theano.config.blas.ldflags
   
   没有出错(没有返回值)则说明已经配置成功。
   其实单单是import theano不报错就已经谢天谢地了。
   测试方法2
   用下面的指令测试（测试时会有其他错误提示或是warnings，但基本上还能运行的话则说明theano没问题，错误提示可能是有些东西还没安装好）：
   import theano
   theano.test()
   运行：
   
   测试时示没有nose-parameterized这个模块，安装方法：
   pip install nose-parameterized
   注意：测试2必须在cpu下运行，如果配置了theano的device = gpu，则测试2就不能运行了。

   ---

6. 使用GPU
   上面的theano配置只是完成了上半部分，这个时候还不能进行gpu加速。如果使用GPU则需要继续以下步骤：
   Theano文件配置(GPU)——编辑Theano的配置文件.theanorc.txt , 添加如下内容：
   [global]
   openmp = False
   device = gpu
   floatX = float32
   allow_input_downcast = True
   base_compiledir = path_to_a_directory+without_such_characters
   [blas]
   ldflags =
   [gcc]
   cxxflags=-IE:\Anapy2\MinGW
   [nvcc]
   fastmath = True
   flags = -LE:\Anapy2\libs
   compiler_bindir = H:\VS2013\VC\bin
   [lib]
   cnmem=.75
   在Python中运行”import theano.sandbox.cuda”. 将会编译第一个Cuda文件, 应当没有错误产生。

7. 测试是否使用GPU
   测试方法1：
   import theano
   
   讲道理，出现红框就说明已经配置好了！
   如果是CNMeM is disabled，就是因为你没有在Theano的配置文件.theanorc.txt里面添加
   [lib]
   cnmem=.75
   如果就cuDNN不能用，就需要去官网下载cuDNN，需要先注册，下载以后把解压后的三个子文件分别添加到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0下面相应的bin、lib、include文件里。（很奇怪的是在没有添加之前是没有出现篮框里面的bug和警告的，添加以后就出现警告了，而且无解，前辈们都说这个不影响运行，然后宝宝每次看到这些都感觉心里苦极了）
   编译目标GPU指令集的命令选项
   -arch: 指定nvcc编译目标GPU的型号，可以为“real” GPU，也可以为“virtual” PTX架构。这个选项指定了nvcc编译到PTX阶段的目标架构，而-code选项指定了nvcc最后阶段生成的运行时代码的目标架构。现阶段支持的架构类型有：virtual 架构 compute_10, compute_11, compute_12, compute_13和实现这些虚架构的real GPU sm_10, sm_11, sm_12, sm_13.
   测试方法2：
   启动Spyder，下面的Theano GPU加速测试案例代码并运行
   • #!/usr/bin/env python
   • # -- coding: utf-8 --
   •
   • “””
   • 功能：测试是否使用GPU
   • 时间：2016年6月10日 11:20:10
   • “””
   •
   • from theano import function, config, shared, sandbox
   • import theano.tensor as 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 i in range(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’)
   如果出现下图所示的运行结果，其中有一条“Used the gpu”信息输出，表明Theano GPU加速测试成功。
   
   有木有发现我这里内存很高，关闭spyder，再从电脑左下角的程序那里打开，竟然加载不动，不是kernal failed就是进不去界面，不知道是什么幺蛾子，果断cmd命令行卸载重装，然而并木有鸟用！但是可以从Anaconda的安装文件里找到spyder.exe文件（路径是：E:\Anapy2\Scripts），发送快捷方式到桌面再打开，搞定！伦家估计是因为前面重装了好几次Anaconda，可能注册表啥子的木有删除完全。
   终于剩下两个不影响使用的bug:
   1， 不能使用blas加速；
   2， Python运行的时候会提示DEBUG: nvcc STDOUT nvcc warning.

Bingo ！！！