“Learn to walk before you run. ”
[TOC]
1 Windows下 Anaconda + Theano + GPU 安装
Theano 是机器学习常用的一个库，由于历史原因，github上相当一部分机器学习的教程和项目采用该库。就我个人而言，网上常见的在 Windows 下搭建 Theano 环境的方法都不够简洁，并且容易出现错误。所以我整理了一份我我自己的安装笔记。
1.1 CPU版本环境搭建方法
-
从 https://www.anaconda.com/download 安装最新版本的 Anaconda。
-
安装完毕后，从“开始”菜单中打开 Anaconda Prompt，然后输入以下命令添加清华mirror，加快下载速度（有VPN的土豪忽略此步骤）：
1
2
3
4
5
# 添加conda的清华镜像，配置文件在C:\Users\用户名\.condarc
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
- 输入以下命令创建环境，环境名：“mlcc_theano”：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 创建名叫“mlcc_theano”的Python3.6环境
conda create -n mlcc_theano pip python=3.6
# 进入“mlcc_theano”的Python3.6环境，同理：把"activate"替换成“deactivate”为退出
conda activate mlcc_theano
# 安装 theano 和 pygpu
conda install theano pygpu
# 使用pip 安装一些常用的库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installed --upgrade matplotlib pandas sklearn scipy seaborn
# 更新所有安装包，避免安装包之间版本不匹配。比如我久碰到各种包报错。
conda update -c anaconda --all
-
当所有软件包安装完毕后，从“开始”菜单中打开 Anaconda Navigator。在 Navigator 中：
-
切换到
mlcc_theano 环境，如以下屏幕截图所示。每次打开 Jupyter 时，都必须选择mlcc_theano ` 环境。 -
在
mlcc_theano 环境中安装notebook` -
安装
notebook后，点击 Launch。此时将打开一个网络浏览器。 -
接下来在创建一个新的Python文件，运行以下代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
from theano import function, config, shared, tensor 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([], tensor.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 %f seconds" % (iters, t1 - t0)) print("Result is %s" % (r,)) if numpy.any([isinstance(x.op, tensor.Elemwise) and ('Gpu' not in type(x.op).__name__) for x in f.maker.fgraph.toposort()]): print('Used the cpu') else: print('Used the gpu')输出如下：
[Elemwise{exp,no_inplace}(<TensorType(float64, vector)>)] Looping 1000 times took 11.866616 seconds Result is [1.23178032 1.61879341 1.52278065 ... 2.20771815 2.29967753 1.62323285] Used the cpu Process finished with exit code 01.2 GPU版本环境搭建方法
common sense: GPU比CPU更适合tensor的计算，如果你电脑上有一块不错的显卡，那么用GPU计算，会更快得到结果。网上其他的安装方案太麻烦了，需要自己匹配显卡驱动，找对应的cuda和cudnn。
前提：先安装好CPU版本的环境
-
从“开始”菜单中打开 Anaconda Prompt，然后输入以下命令：
1 2 3 4 5 6 7 8
# 安装cuda conda install -c anaconda cudatoolkit # 安装cudnn conda install -c anaconda cudnn # 更新所有的库 conda update -c anaconda --all
-
在
C:\Users\用户名下创建文件.theanorc.txt，文件内容如下：[global] device = cuda floatX = float32 -
安装完成后运行一下上面的测试程序，结果如下：
Mapped name None to device cuda: GeForce GTX 1070 with Max-Q Design (0000:01:00.0) [GpuElemwise{exp,no_inplace}(<GpuArrayType<None>(float32, vector)>), HostFromGpu(gpuarray)(GpuElemwise{exp,no_inplace}.0)] Looping 1000 times took 0.343786 seconds Result is [1.2317803 1.6187935 1.5227807 ... 2.2077181 2.2996776 1.623233 ] Used the gpu -
-
参考资料：
1
