第一节，windows和ubuntu下深度学习theano环境搭建

一、windows下深度学习环境的搭建

1.1 安装Anaconda

Anaconda是一个用于科学计算的python发行版，支持linux,mac,windows系统，提供了包管理和环境管理的功能，Anaconda是一个打包的集合，里面装好了conda，某个版本的python，众多的packages等，科学计算工具等

下载中科大镜像：http://mirrors.ustc.edu.cn/

从archive路径下载Anaconda3-4.2.0-Windows-x86_64.exe

我的安装路径为 D:\Program Files (x86)\Anaconda，注意这里我选择的是3-4.2.0版本。

1.2 安装minGw,libpython

进入Anaconda Prompt命令窗口，输入命令

conda install mingw libpython

中间会要你选择Proceed([y]/n)? 输入y

此处安装如果比较慢或者有问题可以参考：手把手教你搭建深度学习平台——避坑安装theano+CUDA https://www.cnblogs.com/hdu-zsk/p/5950924.html

配置环境变量计算机->属性->高级系统设置->环境变量

编辑系统变量‘path’，追加D:\Program Files (x86)\Anaconda\MinGW\x86_64-w64-mingw32\lib;D:\Program Files (x86)\Anaconda\MinGW\bin;

1.3 安装theano

进入Anaconda Prompt命令窗口，输入命令：

conda install theano pygpu

如果安装失败，我们先卸载,然后在尝试重新安装

conda uninstall theano

conda  install theano

新建环境变量‘PYTHONPATH’：添加值D:\Program Files (x86)\Anaconda\Lib\site-packages\theano;(这个路径添加了运行spyder可能出错(打不开)，亲测)

如果你的电脑没有GPU，安装到这里就可以了，下面的步骤不用安装。

1.4 PTVS安装以及VS环境变量设置

安装完成之后，我们需要为VS安装PTVS。适用于Visual Studio的Python工具（PTVS）是Visual Studio的开源插件，支持使用Python语言进行编程。

具体安装我们可以参考：在 Windows 上的 Visual Studio 中安装 Python 支持

由于我在之前安装的Anconda，自带的是python3.5.2，而且我安装的visual studio2015，所以可以直接安装Python解释器。

如果你使用的是visual studio2013,这里就有个问题(vs2015的可以跳过)：

如果你安装的是python3.6，由于vs2013不支持python3.6。因此,你需要重新安装python版本，这里可以选择安装python3.5。如果你是vs2015之后的版本，你可以跳过这里。

我们可以参考文章：如何将Anaconda更新到想要的python版本

对于vs2013，我们可以卸载Anaconda，重新安装一个带有python3.5的版本（比如Anaconda3-4.0.0，我建议重装）。或者使用conda命令在线更新。重新安装比较简单，我就介绍一下使用conda命令更新。

打开Anaconda Prompt，然后用conda命令更新到python3.5.

conda update conda ——等待更新完，然后输入以下命令，这个较快

#创建一个名为python35的环境，指定Python版本是3.5（不用管是3.5.x，conda会为我们自动寻找3.5.x中的最新版本）

conda create --name python34 python=3.5

activate python35 --激活3.5版本，使用这个

#此时次输入

python --version

#可以得到`Python 3.5.5 即系统已经切换到了3.5的环境

#如果想返回默认的python 3.6.2环境，运行

deactivate python35

#删除一个已有的环境

conda remove --name python35 --all

等待python3.5安装成功。这里我需要重新执行步骤2 安装minGw,libpython，和步骤三安装theano。

然后需要去下载PTVS插件并安装：Visual Studio 2013 PTVS 2.2

如果你是VS2015或者以后的版本，具体安装以及VS环境变量的配置比较简单你可以参考：在 Windows 上的 Visual Studio 中安装 Python 支持

然后需要手标识现有环境，打开vs2013.新建一个python项目，并对该项目如下操作：

然后选择python 3.5.

1.5 配置路径文件

找到路径C:\Users\你的用户名，在下面创建文件.theanorc.txt

此处我在C:\Users\Administrator路径下创建了.theanorc.txt文件

编辑文件输入内容

[global]

openmp=False

[blas]
Idflags=

[nvcc]  
fastmath=True  
flags =-LD:\Program Files (x86)\Anaconda\libs  
compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin  

[gcc]
cxxflags=-ID:\Program Files (x86)\Anaconda\MinGW

注意标红的路径是根据你自己的MinGW来设置的，不需要和我的一样，上面的：

compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin

如果你的电脑是装vs2012，那么就把10.0改为11.0。这个也就是你安装的vs所在的目录。

1.6 测试配置文件是否有误

(1) 测试方案一

进入python的shell脚本，输入内容：

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

查看运行结果是否正确。如果出现错误，请查看是否是以下几种错误：

出现这种错误，或者我们在命令窗口执行spyder也出现如下问题：

针对configparse问题，我们可以参考文章：

python安装配置Theano ImportError:cannot import name 'configparser'

我们清除安装theano时的路径配置，即：新建环境变量‘PYTHONPATH’：添加值D:\Program Files (x86)\Anaconda\Lib\site-packages\theano;然后重新尝试运行

如果import theano出现pygpu相关的错误，可以尝试运行(如果你已经安装了CUDU可能会出现这种问题)：

conda install pygpu

打开spyder进行测试，如果还有spyder闪退的问题，可以尝试重新安装：

conda uninstall spyder        #先卸载
conda install spyder          #在安装

如果还是不行，你可以到网上搜索其他解决方案，或者重新换个版本的Anaconda安装。

(2) 测试方案二

我们也可以编辑如下代码测试

import numpy as np
import time
import theano
A = np.random.rand(1000,10000).astype(theano.config.floatX)
B = np.random.rand(10000,1000).astype(theano.config.floatX)
np_start = time.time()
AB = A.dot(B)
np_end = time.time()
X,Y = theano.tensor.matrices('XY')
mf = theano.function([X,Y],X.dot(Y))
t_start = time.time()
tAB = mf(A,B)
t_end = time.time()
print("NP time: %f[s], theano time: %f[s] (times should be close when run on CPU!)" %(
                                            np_end-np_start, t_end-t_start))
print ("Result difference: %f" % (np.abs(AB-tAB).max(), ))

测试结果如下：

如果上面的np time 和theano time 差不多，那就代表你上面的配置没有问题了，这个有的时候电脑还有其他的任务，也有可能导致运行的时间不一致。

1.7 安装cuda

关于theano以及cuda的安装参考教程
深度学习（二）theano环境搭建
windows下theano开发环境搭建（实现了GPU加速）

先检查自己的显卡支持什么版本的CUDA

(1)首先打开控制面板，在控制面板进行搜索。

(2)然后，双击NVIDIA控制面板，打开如下的控制面板，点击帮助

点击系统信息，我们会看到

(3)选择组件，然后会看到红色框的内容，箭头所指的CUDA版本，就是你电脑支持的CUDA版本。

然后我们去官网下载我们显卡支持的CUDA版本

程序下载完后后，双击安装：

到这一步，问题出现了，告诉我说图形驱动与显卡不兼容，如果继续安装，即使安装成功了，也不能使用cuda。因此我去下载一个比较新的CUDA,我下载了cuda_8.0.61_windows.exe(注意下面我使用的是cuda9.0的截图，但是事实证明在我的电脑安装9.0后，gpu运行不了，这里你最好安装cuda8.0，步骤同下)。

选择自定义安装，然后把所有包的都勾选上，省的后面出现什么错误。这一步有可能会遇到驱动冲突，导致某些包安装失败

如果某些包安装失败，后面使用theano的时候，会跳出错误。如果图形驱动安装失败，运行theano的时候就出现错误，提示为cuda版本与驱动版本不一致。因此如果你安装cuda的过程中，有出现安装失败的，那么请你接着往下看。安装失败一般是驱动冲突的问题，这个时候我的方法是用驱动精灵卸载掉显卡驱动，然后在进行安装。

安装完后测试一下是否安装正确。在命令窗口输入：

nvcc -V

回车查看是否有版本信息。若出现版本信息，则证明nvcc安装成功，如下图所示：

接着我们运行一个cuda自带的测试例子。

由于我的电脑安装了VS2015(这个自己下载安装)，所以在这里打开Samples_vs2015.sln项目，这个例子目录为：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0(在安装完我们勾选launch samples会自动打开这个文件夹) 。编译运行得到如下结果，表示安装成功：

安装完了cuda，你还需要cuDNN：

cuDNN下载地址https://developer.nvidia.com/rdp/cudnn-download，cuda8.0对应的版本是cudnn-8.0-windows7-x64-v6.0.zip

我们需要把下面三个文件中对应的文件拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0路径对应的文件下。

然后我们需要重新配置.theanorc.txt文件

[blas]   
ldflags=  
      
[global]  
device = gpu  
floatX = float32  
   
[cuda]
root = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0   
      
[nvcc]  
fastmath=True  
flags =-LD:\Program Files (x86)\Anaconda\libs  
compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin  
      
[gcc]   
cxxflags = -ID:\Program Files (x86)\Anaconda\MinGW

这样就完成了theano的GPU配置了。

1.8 完整测试

测试时，执行如下程序(详细内容可以参考官方链接：http://deeplearning.net/software/theano/tutorial/using_gpu.html)

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')

运行结果如下：

(1) GPU测试

下面是用GPU加速的运行结果：

如上运行结果可知，用gpu进行计算时间差不多是0.68秒左右。如果想切换成只用gpu的测试的话，我是通过更改文件：.theanorc.txt的内容。那么.theanorc.txt的内容为：

[blas]   
ldflags=

[global]
device = cuda
floatX = float32
optimizer = None 
    
[cuda]
root = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

   
[nvcc]  
fastmath=True  
flags =-LD:\Program Files (x86)\Anaconda\libs  
compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin  
      
[gcc]   
cxxflags = -ID:\Program Files (x86)\Anaconda\MinGW

(2) CPU测试

如果想关闭gpu，进行cpu测试那么就把.theanorc.txt内容改为：

[blas]   
ldflags=  
      
      
[gcc]   
cxxflags = -ID:\Program Files (x86)\Anaconda\MinGW

重启电脑或者重启spyder内核。下面是测试结果图：

测试了结果，只用cpu花了14秒的时间，也就是说对于我的电脑，使用gpu进行加速，这速度提高了近20倍。

(1) 如果执行import theano出现

'You are tring to use the old GPU back-end. '

ValueError: You are tring to use the old GPU back-end. It was removed from Theano. Use device=cuda* now. See Theano/Theano for more information.

我们可以通过修改.theanorc.txt文件把device=gpu更改为device=cuda

[global]
device = cuda
floatX = float32
optimizer = None

(2) 如果运行出现下面错误：

我们可以配置.thranorc.txt文件，忽略cuDNN

[dnn]
enabled = False

(3) 如果出现CVM未定义的错误，按照下面方法移除该文件夹是可以起作用的(亲测)。

(4) 执行出现MKL_THREADING_LAYER=GNU错误

我们使用如下命令：

conda install mkl=2017

如果这些方法都不能解决这些错误，我只能推荐你看一下这篇文章，希望能够对你有帮助

这是一份你们需要的Windows版深度学习软件安装指南、

1.9 安装tensorflow

(1) cpu环境

如果你使用cpu，那么在命令窗口下运行：

conda install tensorflow

(2) gpu环境

如果你使用gpu，安装TensorFlow指定版本（清华源上有的，更换链接最后的版本名称就行了），那么在命令窗口下运行：

pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

测试
import tensorflow as tf
（1）print(tf.test.gpu_device_name())

或者
（2）print(tf.test.is_gpu_available())

如果（1）输出device:/gpu:0或者（2）输出True，则表明使用的GPU

回到顶部

二、linux环境安装

2.1 安装Anaconda

下载中科大镜像：http://mirrors.ustc.edu.cn/

从archive路径下载Anaconda3-5.0.1-linux-86_64.sh

在home文件夹下创建一个文件夹，命名为Anaconda,把下载好的程序复制到这里，然后右键在终端打开，输入:

bash Anaconda3-5.0.1-Linux-x86_64.sh

然后按下enter键继续安装，一直按enter键，直至:

然后按下yes继续安装，后面选择安装路径，我是安装在当前文件夹下的program文件夹下：

执行到这里说明已经安装成功

2.2 安装NVIDIA驱动

1. 首先确保自己的操作系统是最新的，打开终端运行以下命令

sudo apt-get update  
sudo apt-get upgrade  
sudo apt-get install build-essential  
sudo apt-get autoremove

然后安装git,在终端输入

sudo apt-get install git

2. 首先检验自己的电脑是否支持CUDA,然后安装NVIDIA驱动

首先查看显卡型号，在终端输入

lspci | grep -i nvidia

执行结果如下

到Nvidia官网查找你显卡对应的最新驱动和系统设置。你可以从此网站上下载并安装驱动，但这样做会升级到更新的驱动，并且卸载的时候会有些麻烦。此外，这么做需要你退出X服务会话，从终端进行安装，这比较麻烦。
我们将使用apt-get来安装驱动。到 “Proprietary GPU Drivers” PPA中查看是否有你最新的驱动。注意，最新的驱动一定是最稳定的。你也可以安装网页上推荐的驱动版本。添加”Proprietary GPU Drivers” PPA 资源库。在写这篇文章的时候，最新版本是396.18，然而推荐版本是390.48：

在终端输入

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390

重新启动系统

sudo shutdown -r now

检查以确保安装了正确版本的NVIDIA驱动

cat /proc/driver/nvidia/version

也可以重启后输入如下命令

nvidia-smi

亲爱的读者和支持者们，自动博客加入了打赏功能，陆陆续续收到了各位老铁的打赏。在此，我想由衷地感谢每一位对我们博客的支持和打赏。你们的慷慨与支持，是我们前行的动力与源泉。

日期	姓名	金额
2023-09-06	*源	19
2023-09-11	*朝科	88
2023-09-21	*号	5
2023-09-16	*真	60
2023-10-26	*通	9.9
2023-11-04	*慎	0.66
2023-11-24	*恩	0.01
2023-12-30	I*B	1
2024-01-28	*兴	20
2024-02-01	QYing	20
2024-02-11	*督	6
2024-02-18	一*x	1
2024-02-20	c*l	18.88
2024-01-01	*I	5
2024-04-08	*程	150
2024-04-18	*超	20
2024-04-26	.*V	30
2024-05-08	D*W	5
2024-05-29	*辉	20
2024-05-30	*雄	10
2024-06-08	*:	10
2024-06-23	小狮子	666
2024-06-28	*s	6.66
2024-06-29	*炼	1
2024-06-30	*!	1
2024-07-08	*方	20
2024-07-18	A*1	6.66
2024-07-31	*北	12
2024-08-13	*基	1
2024-08-23	n*s	2
2024-09-02	*源	50
2024-09-04	*J	2
2024-09-06	*强	8.8
2024-09-09	*波	1
2024-09-10	*口	1
2024-09-10	*波	1
2024-09-12	*波	10
2024-09-18	*明	1.68
2024-09-26	B*h	10
2024-09-30	岁	10
2024-10-02	M*i	1
2024-10-14	*朋	10
2024-10-22	*海	10
2024-10-23	*南	10
2024-10-26	*节	6.66
2024-10-27	*o	5
2024-10-28	W*F	6.66
2024-10-29	R*n	6.66
2024-11-02	*球	6
2024-11-021	*鑫	6.66
2024-11-25	*沙	5
2024-11-29	C*n	2.88

创作不易，喜欢的话，请考虑支持一下！关注公众号查看全文！（微信扫码）

posted @ 2018-03-09 22:00 大奥特曼打小怪兽阅读(3231) 评论(1) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

阅读排行：
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· 记一次.NET内存居高不下排查解决与启示
· 白话解读 Dapr 1.15：你的「微服务管家」又秀新绝活了

大奥特曼打小怪兽

第一节，windows和ubuntu下深度学习theano环境搭建

一、windows下深度学习环境的搭建

1.1 安装Anaconda

1.2 安装minGw,libpython

1.3 安装theano

1.4 PTVS安装以及VS环境变量设置

1.5 配置路径文件

1.6 测试配置文件是否有误

1.7 安装cuda

1.8 完整测试

1.9 安装tensorflow

二、linux环境安装

2.1 安装Anaconda

2.2 安装NVIDIA驱动

公告

创作不易，喜欢的话，请考虑关注一下公众号

积分与排名

随笔分类 (538)

随笔档案 (376)

阅读排行榜

推荐排行榜

最新评论

欢迎打赏支持我 ^_^

大奥特曼打小怪兽

第一节，windows和ubuntu下深度学习theano环境搭建

一、windows下深度学习环境的搭建

1.1 安装Anaconda

1.2 安装minGw,libpython

1.3 安装theano

1.4 PTVS安装以及VS环境变量设置

1.5 配置路径文件

1.6 测试配置文件是否有误

1.7 安装cuda

1.8 完整测试

1.9 安装tensorflow

二 、linux环境安装

2.1 安装Anaconda

2.2 安装NVIDIA驱动

公告

创作不易，喜欢的话，请考虑关注一下公众号

积分与排名

随笔分类 (538)

随笔档案 (376)

阅读排行榜

推荐排行榜

最新评论

欢迎打赏支持我 ^_^

二、linux环境安装