win10 64位 安装theano

最近在学习李宏毅老师的Deep Learning 课程，涉及到theano配置安装。花了一天时间安装后，简要记录如下。在安装过程中参考了以下几篇文章：
《手把手教你搭建深度学习平台——避坑安装theano+CUDA》
《Win10环境下安装theano并配置GPU详细教程》
《小白Windows7/10 64Bit安装Theano并实现GPU加速(没有MinGw等，详细步骤)》

卸载电脑中之前安装的python

anaconda中已经包含python、numpy和scipy必须库，需要将之前的版本卸载干净，卸载不干净的情况下，可能会导致anaconda安装失败

安装anaconda

根据需求，安装anaconda2或者anaconda3，安装过程中建议使用默认设置，并记下安装路径。

安装依赖库

anaconda官网给了一个Windows Installation Instructions, 给出了必须安装的依赖库和推荐的依赖库，可以作为参考。安装步骤：

• 首先打开anaconda prompt
• 添加清华大学的镜像源
  
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

  第一句话的意思是告诉conda命令等会你别往境外找了，就找我给你的这个地址就可以了。这个是清华大学的anaconda免费package文件服务器
  第二句话的意思是告诉conda命令，让我看看你的url对不对（这句话执行后有可能不显示，这是正常的，不用急）
• 安装mingw 和 libpython
  
conda install mingw libpython


安装theano

官网给了两个安装theano的命令，如下图：

我在多次尝试安装中发现，使用conda install theano pygpu命令，会强制要求安装m2w64-toolchain库，但是这个库比较大，网速不好的情况下需要下载很久。可以使用以下方法来绕过：

 pip  install theano

然后在安装pygpu

conda install pygpu

你会发现libgpuarray已经包含在pygpu中了。

添加配置文件

在你的电脑User目录下找到你的用户文件夹，比如C:\Users\Marijuana\，新建.theanorc.txt文件，不要忘记”.“,也不要建立成.theanorc.txt.txt，添加内容如下：

[global]
openmp=False
[blas]
Idflags=
[gcc]
cxxflags=-IC:\Users\Marijuana\Anaconda2\MinGW

将C:\Users\Marijuana\Anaconda2\MinGW换成你自己的MinGW路径。

theano测试

打开cmd，命令为：

>>python>>import theano>>theano.test()

test()运行时间很长，我imprort theano没有报错后，就跳过test()了。

安装visual studio

根据1建议，我使用的是VS2012,这个直接安装就好，注意自己的安装路径。

安装cuda

我的笔记本是Y460，显卡GT425M，本来应该兼容版本比较老的cuda，不过我喜欢用新版的。。。。所以安装了cuda7.5。
安装完成后，记得重启电脑。

修改.theanorc.txt文件

[global]
openmp=False
device = cuda
floatX = float64
allow_input_downcast=True
[lib]
cnmem = 0.8
[blas]
ldflags=
[gcc]
cxxflags=-IC:\Users***\Anaconda2\MinGW
[nvcc]
flags = -LC:\Users***\Anaconda2\libs
compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin
fastmath = True
flags=-arch=sm_30 #可以不写，我参考的文章中有人说加了会报错

三个蓝色的路径替换成你自己的。着重说明下面两个参数，参考Using the GPU：

device = cuda
floatX = float64

如果是floatX = 32位系统则改为：

device = cuda
floatX = float32

我参考的文章中，基本都使用的是

device = gpu
floatX = float32

但是这个配置在64位系统下会导致一些问题。floatX = float32说明theano默认是使用float32而不是float64，但是python等会默认使用float64，导致相互直接变量不兼容。
测试说明：我的电脑为联想Y460，使用device = cuda 的运行速度明显慢于device = gpu！！！！

CNMEM 和CUDNN参考2

注意的是，CUDNN要求显卡的Compute Capability>3,参考CUDA GPUs。 如果显卡不满足条件，就不需要尝试了。
CNMEM 和CUDNN设置复制如下，备查:

cnmem = 0.8这个网上说设为1，但是貌似有点问题，建议设为小于1的值，如我这里设为0.8 ，这就可以避免后面显示CNMEM is disabled了。
更新cudnn文件，到网上搜索cudnn下载下来（到官网注册一下就可以下载了，官网网址为https://developer.nvidia.com/cudnn）。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，如图。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，例如我的文件目录为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。

测试是否成功使用gpu

《手把手教你搭建深度学习平台——避坑安装theano+CUDA》很详细的说明了测试步骤