Windows10 64Bit完美配置Theano并实现GPU加速并解决（（CNMeM is disable，CuDNN not available））

换了台本本需要重新配置，重新来过遇到好多问题，花了一天时间解决了，而且还发现自己还附带把之前安装时出现的两个问题解决掉了（CNMeM is disable，CuDNN not available）。下面上步骤：

一、需求的软件及环境：

1.Anaconda2：点击下载

2.VS2010：这个一定要这个版本，其他版本我不确定会不会出错！我开始用的12版的装了好几遍都不行！！

3.win10 64bit

二、卸载之前版本。 
　　把之前单独安装的Python等统统卸载掉。因为Anaconda2里边包含了python。

三、安装Anaconda2。 
　　这个炒鸡简单，安装目录我用的是的 D:\Anaconda2 。这个特别要注意：安装路径千万不要有空格！！！血的教训

四、安装MinGw。 
　　其他教程讲在环境变量中添加 path D:\Anaconda2\MinGW\bin;D:\Anaconda2\MinGW\x86_64-w64-mingw32\lib; ，但是你会发现 D:\Anaconda2\ 下面根本没有MinGw这个目录，所以最好的方法就是用命令安装，不需要自己下载什么mingw-steup.exe等。 
安装方法：

1. 打开CMD（注意是windows命令提示符，并不是进入到python环境下，否则会提示语法错误，因为conda命令就是在windows下面执行的。）；
2. 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D:\Anaconda2\MinGw目录了。

五、配置环境变量。

1. 编辑用户变量中的path变量（如果没有就新建一个，一般会有的），在后边追加D:\Anaconda2;D:\Anaconda2\Scripts; 不要漏掉分号，此处因为我的Anaconda的安装目录是D:\Anaconda2，此处需要根据自己的安装目录填写。
2. 在用户变量中新建变量pythonpath，变量值为D:\Anaconda2\Lib\site-packages\theano; ，此处就是指明安装的theano的目录是哪，但是现在咱们还没有安装，所以不着急，先写完再说。
3. 打开cmd，会看到窗口里边有个路径，我的是C:\Users\Administrator>，根据自己的路径，找到对应的目录，在该目录下新建一个文本文档.theanorc.txt （注意有两个“.”），编辑它，写入以下内容： 
   [global] 
   openmp=False 
   [blas] 
   ldflags= 
   [gcc] 
   cxxflags=-ID:\Anaconda2\MinGW 
   其中红体字部分是你安装的Anaconda的路径，一定不要弄错。否则找不到MinGw。
   配置文件的命名一定要注意！有些朋友的电脑是刚装的，默认不显示常用后缀名。如果你的电脑不显示后缀名，那么你就要命名为.theanorc了。因为当你显示后缀了以后，就是.theanorc.txt了。很多朋友什么都配置好了，也不报错，仍然不可以使用gpu，很多原因就在于此，他们的配置文件名称为.theanorc.txt.txt
4. 最好重启下电脑（那就一定要重启！TVT）

六、安装Theano
不需要手动下载zip等压缩包，直接用命令安装最简单。

1. 打开CMD，方法和安装MinGw一样，不要进入python。
2. 输入pip install theano，回车后就是赏心悦目的下载进度条，这个很小，所以安装的比较快。

   • 如果安装出现了pip命令不能识别的问题：Unable to create process using '""

   • 用 python -m pip install theano来代替

3. 在cmd中，输入python 进入到python环境下，然后先输入import theano回车，需要等一段时间。
4. 继续输入theano.test()。又会输出好长一段信息，只要没有error就说明安装成功了。我安装时等了一段时间还在输出，我就ctrl+c退出了。（其实我发现，有部分error信息也没有关系，theano的功能也可以正常使用，包括theano.function()，所以如果有同学无论如何配置还是有error信息的话，可以暂时忽略掉，直接跑一段程序试一下，可以去测试一下卷积操作运算代码。

七、配置GPU加速（先按照本教程安装好theano）

首先检查电脑显卡是否支持GPU加速，如果不支持下面的1，2,3,4就不用看了！！！

        这一步至关重要，在确定了电脑显卡支持GPU加速后，再进行后面【5】【6】步操作，不然费时费力而且还没有结果。就目前而言，似乎只有NVIDIA的GF8级别以上的显卡才能支持physx物理加速（即GPU加速，这里所说的GPU加速均默认是CUDA编程），ATI的显卡不支持。

        如何确认自己电脑的GPU是否支持CUDA编程？在设备管理器中找到显示适配器（Display adapters)，找到自己电脑的显卡型号，然后到http://www.nvidia.com/object/cuda_gpus.html列表（如图1所示）中进行比对，若在列表中则支持CUDA编程，否则就利用Theano框架所编写深度网络就只能在CPU上面运行了。

图1 支持CUDA编程的显卡型号

如果支持的话按照下面的步骤配置：

1. 要装一个vs2010，能支持大部分的cuda版本。 装vs2010的时候，可以只选择装C++语言就够。还是那句话，其他的版本可能出错你永远装不上！
2. 下载cuda，如果你的Anaconda(python)是64位的，那就下载cuda64bit的；否则下载32bit的。其次，如果你的是笔记本，那就选择notebook，否则选择桌面版。下载地址：https://developer.nvidia.com/cuda-toolkit-archive
   我下载的是cuda8.0
3. 安装Cuda8.0，安装的时候，选择“自定义安装”，安装全部功能，还有要安装到默认位置最好，安装很简单，可能需要点时间。
4. 安装完后，打开环境变量应该会多出来2个变量，CUDA_PATH_V8_0和CUDA_PATH.

5. 打开cmd控制台命令行，输入命令nvcc –V回车（注意是大写V）就可以查看版本信息，如果安装正确会显示Cuda的版本号。

6. 配置.theanorc.txt，如下：
   [global] 
   openmp=False 
   device = gpu
   floatX = float32 
   allow_input_downcast=True 
   [blas] 
   ldflags= 
   [gcc] 
   cxxflags=-ID:\Anaconda2\MinGW
   [nvcc] 
   flags = -LD:\Anaconda2\libs #此处是Anaconda的路径 
   compiler_bindir = D:\Microsoft Visual Studio 11.0\VC\bin#此处一定要和你安装的VS的路径保持一致
   fastmath = True 

7. 然后就测试一下就行了，这样应该能安装成功。 代码如下：
   

   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 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')

   
   

八、仅仅这样的话，可能会出现using gpu device 0: Geforce GTX 965M（CNMeM is disable，CuDNN not available）这样的情况！
有的人说不影响使用，但是我的情况确实是不能使用！！所以我跋山涉水历经千辛万苦终于解决了这个问题了！方法如下：

1. 修改配置.theanorc.txt
   加上这一条：
   [lib]
   cnmem = 1
   注意：网上有的配置文件中没有[lib]这个块，后面导入theano时会出现CNMeM is disabled提示。
   如果你有了这个还是出现CNMeM is disabled，那么只要把cnmem = 1后面的1改小一下就可以了，我改成0.8就可以了
   最终的.theanorc.txt文件是：
   [global] 
   openmp=False 
   device = gpu
   floatX = float32 
   allow_input_downcast=True 
   [lib]
   cnmem = 0.8
   [blas] 
   ldflags= 
   [gcc] 
   cxxflags=-IC:\Anaconda2\MinGW
   [nvcc] 
   flags = -LC:\Anaconda2\libs 
   compiler_bindir = D:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin
   fastmath = True 
   

2. 安装cudnn

   　　到网上搜索cudnn下载下来（官网下载好像要注册才行。我的是从CSDN下载下来的）。将下载来的文件解压，解压出cuda文件夹，里面包含3个文件夹。将设三个文件夹替换掉系统里面的对应文件，进行覆盖替换即可。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

   覆盖掉后面导入theano时会就不会出现CuDNN not available提示了。
   最后是这样的Using gpu device 0: GeForce GTX 965M (CNMeM is enabled with initial size: 80.0% of memory, cuDNN 5105)
   完美解决！
   

九、深度学习框架Keras

1. 打开CMD，方法和安装MinGw一样，不要进入python。
2. 输入pip install theano，回车后就是赏心悦目的下载进度条。

　　同样pip命令识别不了，用的 python -m pip install keras代替

　　　　注：在Anaconda Prompt中是识别pip命令的，上述两个pip命令也可以直接在这里面装，效果是一样的。

测试keras程序：

'''Trains a simple convnet on the MNIST dataset.Gets to 99.25% test accuracy after 12 epochs(there is still a lot of margin for parameter tuning).16 seconds per epoch on a GRID K520 GPU.'''from __future__ import print_functionimport numpy as npnp.random.seed(1337)  # for reproducibilityfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activation, Flattenfrom keras.layers import Convolution2D, MaxPooling2Dfrom keras.utils import np_utilsbatch_size = 128nb_classes = 10nb_epoch = 12# input image dimensionsimg_rows, img_cols = 28, 28# number of convolutional filters to usenb_filters = 32# size of pooling area for max poolingnb_pool = 2# convolution kernel sizenb_conv = 3# the data, shuffled and split between train and test sets(X_train, y_train), (X_test, y_test) = mnist.load_data()X_train = X_train.reshape(X_train.shape[0], 1, img_rows, img_cols)X_test = X_test.reshape(X_test.shape[0], 1, img_rows, img_cols)X_train = X_train.astype('float32')X_test = X_test.astype('float32')X_train /= 255X_test /= 255print('X_train shape:', X_train.shape)print(X_train.shape[0], 'train samples')print(X_test.shape[0], 'test samples')# convert class vectors to binary class matricesY_train = np_utils.to_categorical(y_train, nb_classes)Y_test = np_utils.to_categorical(y_test, nb_classes)model = Sequential()model.add(Convolution2D(nb_filters, nb_conv, nb_conv,                        border_mode='valid',                        input_shape=(1, img_rows, img_cols)))model.add(Activation('relu'))model.add(Convolution2D(nb_filters, nb_conv, nb_conv))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(128))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(nb_classes))model.add(Activation('softmax'))model.compile(loss='categorical_crossentropy',              optimizer='adadelta',              metrics=['accuracy'])model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,          verbose=1, validation_data=(X_test, Y_test))score = model.evaluate(X_test, Y_test, verbose=0)print('Test score:', score[0])print('Test accuracy:', score[1])

十、切换后端

因为我用的是theano,而keras默认使用tensorflow。切换方法有英文资料

Switching from one backend to another

If you have run Keras at least once, you will find the Keras configuration file at:

~/.keras/keras.json

If it isn't there, you can create it.

The default configuration file looks like this:

{

    "image_dim_ordering": "tf",

    "epsilon": 1e-07,

    "floatx": "float32",

    "backend": "tensorflow"

}

Simply change the field backend to either "theano" or "tensorflow", and Keras will use the new configuration next time you run any Keras code.

简单说就是把~/.keras/keras.json文件改成如下：

{

    "image_dim_ordering": "th",

    "epsilon": 1e-07,

    "floatx": "float32",

    "backend": "theano"

}
如果找不到这个文件：打开cmd，会看到窗口里边有个路径，我的是C:\Users\xuke，根据自己的路径，找到对应的目录，在该目录下应该会有，没有的话就创建一个就好了。

至此，你就可以开心的使用啦！！！

给两个教程学习一下：

 Keras官方教程

Theano官方教程

十一、参考链接：

1.小白Windows7/10 64Bit安装Theano并实现GPU加速(没有MinGw等，详细步骤)

2.配置GPU：http://blog.csdn.net/m624197265/article/details/45700619

3.http://www.cnblogs.com/zhaopengcheng/p/5992911.html