基于CUDA的Theano GPU加速环境配置
GPU没有反应。。。求解答。。
[问题点数：40分]
本版专家分：0
CSDN今日推荐
本版专家分：0
本版专家分：0
本版专家分：0
本版专家分：0
本版专家分：0
匿名用户不能发表回复！|
CSDN今日推荐基于CUDA的Theano GPU加速环境配置
GPU没有反应。。。求解答。。
[问题点数：40分]
本版专家分：0
CSDN今日推荐
本版专家分：0
本版专家分：0
本版专家分：0
本版专家分：0
本版专家分：0
匿名用户不能发表回复！|
CSDN今日推荐天涯路远，儿女情长
Win7 中安装Theano及配置CUDA以搭建GPU加速环境
根据官方文档来安装theano库会显得比较繁琐，在此介绍一种简洁的配置方式，包含以下4步(以64位Win7环境为例)：
1） 安装TDM-GCC
2）安装Anaconda
3）安装Theano
4）安装CUDA
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
1.安装TDM-GCC
现在的Thenao库需要编译C代码，因此我们需要安装GCC编译器。在中下载64位的TDM-GCC 进行安装即可。安装完后，在系统环境变量中添加环境变量：
PATH=C:\TDM-GCC-64\bin
[红色部分为默认安装路径]
设置完后，在cmd.exe中通过命令 gcc –v 验证是否安装成功.
2.安装Anaconda
在官网 或中下载相应版本的anaconda安装包.我电脑是64位的，故下载的64位的安装包Anaconda2-2.4.0-Windows-x86.exe，直接安装即可.
安装好Anaconda后，在cmd.exe(命令提示符)中输入python命令查看安装结果
如果输入python命令，可能是环境变量没有设置，可通过命令echo %PATH% 查看是否有关于Anaconda的环境变量，如果没有，在系统变量PATH中添加：
E:\Installsoftware\Anaconda
[anaconda的安装目录，根据实际情况更改]
E:\Installsoftware\Anaconda\Scripts
3.安装Theano
两种方法：
1）直接在cmd.exe 中输入命令：pip install theano，安装成功后会在 E:\Installsoftware\Anaconda\Lib\site-packages （红色部分为Anaconda的安装目录）中出现于theano相关的两个目录。
2) 在中打包下载Theano,然后解压进入目录，在cmd.exe中输入python setup.py install 命令运行安装脚本，成功后，在E:\Installsoftware\Anaconda\Lib\site-packages 中也会出现与Theano相关的两个目录。
安装Theano后，新建系统环境变量：
PYTHONPATH ：
E:\Installsoftware\Anaconda\Lib\site-packages\theano 然后在 C:\Users\**\ 目录(**指用户名)下新建.theanorc.txt文件（注意文件名最前面有”.”）,在文件中配置如下：
cxxflags = -IC:\TDM-GCC-64
红色部分为TCD-GCC的安装目录。保存配置文件，在cmd.exe中输入python命令，然后输入import theano 命令，结果如下：
至此，theano已经安装成功。然而此时的深度学习相关的算法，只能在CPU上运行。如若想提高运行效率，可以通过搭建GPU加速环境来实现。为此我们需要安装CUDA。4.安装CUDA
在官网中下载相应版本，但是所下载的版本位数需与电脑位数匹配，否则安装不上CUDA.安装CUDA后,会自动生成与CUDA相关的环境变量（可以在cmd.exe中通过命令echo %PATH%查看），然后通过nvcc –V
命令(注意V大写)查看安装详情。
NVCC的编译器可以是VS2008，VS2010，VS2013，VCForPython等。如果没有安装NVCC相应的编译器，推荐安装VCForPython（安装速度快）。最后在 .theanorc.txt 中增添配置信息：
fastmath = True
flags=-LE:\Installsoftware\Anaconda\libs
compiler_bindir=E:\Installsoftware\VS2010\VC\bin
flags = -arch=sm_12
base_compiledir=path_to_a_directory_without_such_characters
openmp = False
floatX = float32
device = gpu0
allow_input_downcast=True
需要说明的是：
红色部分第一行：表示Anaconda安装目录下的Libs目录
红色部分第二行：表示nvcc的编译器是VS2010,由于我电脑中安装有VCForPython ,因此也可以将其更换成C:\Program Files (x86)\Common Files\Microsoft\Visual C++ forPython\9.0\VC
(VCForPython的默认安装目录)，
红色部分第三行：这一行我也不懂什么意思，在其他资料中看到基本是将-arch设置为-arch=sm_30,但是我这样设置在import theano时会报错：Invalid device function. 因此更改为了sm_12,可以解决这个问题。
至此GPU加速环境搭建完成，输入import theano命令后，会发现多了一行显卡信息，表明安装成功：
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
注意事项：
1) 版本的一致性：Windows版本与CUDA的一致性，以及CUDA与Anconda,TDM-GCC之间的一致性。
2) GCC编译器问题：
早期的Anaconda版本会自带MinGW,安装后在Anconda安装目录下会有一个MinGW目录，因此我们可以不必安装TDM-GCC，直接设置MinGW的环境变量，然后在.theanorc.txt中的[gcc]选项中将flags设置为MinGW的路径即可；新版本的Anaconda版本没有自带MinGW,我们可以在安装Anconda后，在cmd.exe中输入：conda install mingw libpython 来安装MinGW，这样也不必安装TDM-GCC。
MinGW的环境变量PATH配置如下：
E:\Installsoftware\Anaconda\MinGW\bin
E:\Installsoftware\Anaconda\MinGW\x86_64-w64-mingw32\lib
[红色部分为Anaconda的安装路径]
没有更多推荐了，
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！基于CUDA的Theano GPU加速环境配置 GPU没有反应.求解答_百度知道
基于CUDA的Theano GPU加速环境配置 GPU没有反应.求解答
我有更好的答案
1. 首先安装python，我选择安装Anaconda （Windows 64-Bit Python 2.7 Graphical Installer 下载地址）。Anaconda的一些命令（在Anaconda的命令行窗口输入）：conda list #该命令，将列出Anaconda安装的所有应用包，我们可以看到Anaconda已经安装了numpy, nose, pip, python, scipy, mingw等等。conda install &pkg name& #该命令用于安装应用包，如 conda install numpy.pip install &pkg name& #该命令用于安装应用包，如 pip install theano.conda update &pkg name& #升级应用包，如 conda update python2. 安装Theano，在Anaconda 的命令窗口中输入 pip install theano，可以看到程序开始下载安装包，并检查是否满足安装条件：numpy&=1.5.0，scipy&=0.7.2，满足条件之后开始运行setup.py安装theano，安装完成后会显示Successfully installed theano。3. 测试Theano安装情况。（1）在ipython中输入以下两行代码：import theanotheano.test()会显示theano的版本号，安装位置，已经其他包的安装版本，如numpy,nose,python等。在运行中出现g++不是内部或外部命令，也不是可运行的程序或批处理文件。（2）在Anaconda的命令行窗口输入：python Lib\site-packages\theano\tests\run_tests_in_batch.py显示unable to find theano-nose，查看run_tests_in_batch.py发现，其中路径设置为在bin下寻找theano-nose文件，而实际上Anaconda文件夹下根本没有bin这个文件夹，theano-nose存放在Scripts文件夹中。》》》尝试1：将Scripts更名为bin，重新运行这句命令，可以成功运行。但是出现一个warning，提示没有检测到g++，所以无法运行优化后的C代码版本，只能执行python版本。该种尝试的结果是，下次打开Anaconda 命令窗口后出现错误，因为其运行路径为Scripts，所以还是不要修改了。（3）g++问题。我们打开MinGW文件夹，可以很清楚的看到有g++，但是为什么使用不了呢？？在Anaconda 命令窗口中输入g++也能成功调用g++.exe啊。所以结论是，鉴于这个代码中出现很明显的漏洞，所以说不定这里也是错误，先不管这些了。试着做了以下配置，也不知行不行。添加环境变量:
path: C:\Anaconda\MinGW\C:\Anaconda\MinGW\x86_64-w64-mingw32\
新建环境变量：
PYTHONPATH: C:\Anaconda\Lib\site-packages\在home目录下（cmd可以看到，我的是C:\Users\Administrator），创建 .theanorc.txt 文件内容如下：[global]openmp=False[blas]ldflags=[gcc]cxxflags = -IC:\MinGW\include（4）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是否真的成功依赖BLAS编译，用以下代码试验： &&& import numpy &&& id(numpy.dot) == id(numpy.core.multiarray.dot) False 结果为False表示成功依赖了BLAS加速，如果是Ture则表示用的是python自己的实现并没有加速。
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。行胜于言、敢为人先、和而不同、居安思危
Win10 64bit 安装Theano 配置CUDA 实现GPU加速 详细步骤
之前接触过深度学习，由于实验室台式电脑是32位且没有独显，跑深度学习这样层次复杂的模型，运算时间上非常漫长（干着急…）。这次在自己笔记本上重新折腾，配置CUDA ，通过学习网上总结的教程，不断尝试，最终安装成功。现将整个安装过程记录下来。
二、软件信息:
【1】操作系统：Win10 64bit
【2】Python环境及相关依赖包：Anaconda-2.1.0-Windows-x86_64
【3】Theano包：深度学习框架
【4】检查显卡是否支持GPU加速。如果显卡不支持GPU加速，到此就没有必要进行下面两步配置操作了。
【5】C++环境安装：直接安装微软的VisualStudio环境。
【6】并行计算架构安装：直接安装CUDA。
三、详细配置步骤
整个过程总共包括六步，顺次执行如下：开始→了解操作系统→Python环境及相关依赖包→Theano包安装→检查显卡是否支持GPU加速→C++环境安装→并行计算架构安装→配置结束，下面就对每个步骤进行详细描述。
了解操作系统
主要是了解操作系统是32bit,还是64bit ,然后在之后几个步骤中都要下载与自己系统位数一致的软件。
Python环境及相关依赖包安装
目前Python的版本主要分为Python 2.x和Python 3.x，由于Theano采用的Pyhton 2.x进行编写的，所以在这里安装Python环境的时候建议安装Python2.x，除了安装最基本的Python环境，还应该安装一些其他的依赖包以供Theano使用。在安装Python环境极其相关依赖包的过程中，如果一个一个的安装其他依赖包，这样显得较为麻烦，这里建议安装一个Python集成开发包，Python集成开发包种类较多，我这里安装的Anaconda（版本为Anaconda-2.1.0-Windows-x86_64，[点这里下载32位](https://repo.continuum.io/archive/)，安装的地址可以直接建在C盘，也可以放其他盘。我放在了E:\program files\Anaconda
在安装完Python后,会附带一个IDE,叫Spyder。打开Spyder ,输入python命令，即可看到响应的输出结果，这表明Python已经正确安装。
注意：如果使用Anaconda -4.0.0 等高版本的话，会发现没有MinGW，需要自己另外单独安装了MinGW,它的方式是 ：打开cmd，然后直接输入 conda install mingw libpython 回车就会出现安装进度，然后安装成功。而我提供的这个版本自带MinGW。
深度学习框架Theano安装
在前两步已经正确配置后就可以安装Theano了。由于Anaconda中的Python依赖包集中已经有了pip工具包，因此在安装Theano时，只需保证网络畅通的前提下，打开控制台，然后输入&&pip install theano命令并回车，然后稍等片刻即可自动安装上最新版的Theano深度学习框架。这时可到D:\Anaconda\Lib\site-packages目录下查看是否已经有theano和Theano-0.7.0-py2.7.egg-info两个文件夹，若有则表明已经安装成功。一般情况下，这一步不会出错，很容易操作。
安装结束后，检查当前用户目录下是否有.theanorc.txt文件（这是theano的一些初始设置信息文件，如不知道当前用户目录位置，可以打开控制台窗口，该窗口里面第一个命令提示行所示的目录位置就是当前用户目录位置，我的是C:\Users\allwe即为当前用户目录），如果没有可以手动创建一个，然后在文件里面写入下面内容：
openmp = False
cxxflags = -IE:\program files\Anaconda\MinGW
输入完毕后保存.theanorc.txt文件即可。
现在检查theano是否配置成功，只需打开控制台，然后输入：python回车，再输入import theano回车，若没有其他错误信息输出这表明theano配置正确。
至此，大家就可以利用theano框架来编写深度学习的代码，在CPU上面运行了。
检查电脑显卡是否支持GPU加速
这一步至关重要，在确定了电脑显卡支持GPU加速后，再进行后面两步操作，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，然后到列表（如图2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。
C++环境安装
在电脑显卡支持GPU加速（即CUDA编程）后，就可以进行后两步操作了。
C++环境的安装，建议直接安装一套微软的Visual Studio环境，建议Visual Studio 2010或更高版本。本人安装Visual Studio 2013版本，能够支持CUDA编程。VS的具体安装过程也非常简单，一键安装的那种。这里是下载地址
并行计算架构CUDA的安装
在安装CUDA之前最好先更新一下自己电脑的显卡驱动版本，有时候安装完毕CUDA之后，运行CUDA所提供的案例程序中的deviceQuery会出错，请优先考虑显卡驱动的问题。这里建议安装NIVDIA官方发布的针对自己显卡型号的驱动。安装CUDA的详细步骤如下：
在显卡型号允许的条件下，建议下载CUDA 5.0以上版本，这样比较省事。本人安装的是CUDA 7.5版本。CUDA各版本下载地址：。注意，下载的时候有些版本需要区分network和local。要下载local版本。
下载好了后就可以直接安装了，CUDA的默认安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\ 这里推荐使用默认的安装路径，不需更改。安装过程和普通软件没有什么区别。在安装结束时将会出现一个界面，这表明已经成功安装，从图3可以看出似乎CUDA 6.5至少都需要Visual Studio 2010的C++环境。
检查是否安装正确。在安装结束后，你会发现在系统环境里面新添加了两个环境变量：CUDA_PATH_V5_0 和CUDA_PATH。
现在，打开cmd控制台命令行，输入命令nvcc –V回车（注意是大写V哟）就可以参考版本信息。
CUDA配置结束，说明CUDA安装成功。现在就可以利用Theano框架编写深度学习代码，并将代码进行GPU加速了。
测试Theano框架是否可以利用所安装的CUDA6.5进行GPU加速
在前面第2步中，已经通过安装Anaconda将python环境装好，其中Anaconda本身自带了一个称作Spyder的图形界面IDE。在进行Theano GPU加速测试之前，还得需要配置一下.theanorc.txt文件里面的信息，红色字体信息是为了实现GPU加速而增加的配置信息，如下：
openmp=False
device = gpu
floatX = float32
allow_input_downcast=True
cxxflags=-IE:\Anaconda\MinGW
flags = -LE:\program files\Anaconda\libs #此处是Anaconda的路径
compiler_bindir = E:\program files\VC2013\VC\bin #此处一定要和你安装的VS的路径保持一致
fastmath = True
flags=-arch=sm_30
现在可以启动Spyder，输入表1中的Theano GPU加速测试案例代码并运行，将会出现图7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。
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):
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')
print ('Used the gpu')
Theano GPU加速测试代码
到此，基于CUDA的Theano GPU加速环境已经配置成功。
参考文献：
没有更多推荐了，
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！}