先講解windows下深度學習環境的搭建

步驟一  安裝Anaconda

Anaconda是一個用於科學計算的python發行版，支援linux,mac,windows系統，提供了包管理和環境管理的功能，Anaconda是一個打包的集合，裡面裝好了conda，某個版本的python，眾多的packages等，科學計算工具等

 從archive路徑下載Anaconda3-5.0.0-Windows-x86_64.exe

我的安裝路徑為 D:\Program Files (x86)\Anaconda，注意這裡我選擇的是3-5.0.0版本。

步驟二  安裝minGw,libpython

進入Anaconda Prompt命令視窗，輸入命令

conda install mingw libpython

中間會要你選擇Proceed([y]/n)? 輸入y

配置環境變數  計算機->屬性->高階系統設定->環境變數

編輯系統變數‘path’，追加D:\Program Files (x86)\Anaconda\MinGW\x86_64-w64-mingw32\lib;D:\Program Files (x86)\Anaconda\MinGW\bin;

 

步驟三 安裝theano

進入Anaconda Prompt命令視窗，輸入命令（注意這時候我們安裝的是CPU版本的theano，由於我們還沒有安裝CUDA）：

conda  install
 
 theano

如果安裝失敗，我們先解除安裝,然後在嘗試重新安裝

conda uninstall theano

conda  install theano

 新建環境變數‘PYTHONPATH’：新增值D:\Program Files (x86)\Anaconda\Lib\site-packages\theano;(這個路徑添加了執行可能出錯，親測)

步驟四 PTVS安裝以及VS環境變數設定

安裝完成之後，我們需要為VS安裝PTVS。適用於Visual Studio的Python工具（PTVS）是Visual Studio的開源外掛，支援使用Python語言進行程式設計。

由於我在之前安裝了Anconda，自帶的是python3.6.2，而且我安裝的visual studio2013，這裡就有個問題

由於vs2013不支援python3.6因此，我需要重新安裝python版本，這裡我選擇安裝python3.4。如果你是vs2015之後的版本，你可以跳過這裡。

這裡到這裡我們可以重新解除安裝Anaconda重新安裝一個帶有python3.5的版本（比如Anaconda3-4.0.0，我建議重灌）。或者使用conda命令線上更新。重新安裝比較簡單，我就介紹一下使用conda命令更新。

開啟Anaconda Prompt，然後用conda命令更新到python3.4.

conda update conda ——等待更新完，然後輸入以下命令，這個較快

#建立一個名為python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）

conda create --name python34 python=3.4

activate python34 --啟用3.4版本，使用這個

#此時次輸入

python --version

#可以得到`Python 3.4.5 即系統已經切換到了3.4的環境

#如果想返回預設的python 3.6.2環境，執行

deactivate python34

#刪除一個已有的環境

conda remove --name python34 --all

等待python3.4安裝成功。這裡我需要重新執行步驟2 安裝minGw,libpython，和步驟三安裝theano。

然後需要手標識現有環境，開啟vs2013.新建一個python專案，並對該專案如下操作：

 

然後選擇python 3.5.

 

步驟五 配置路徑檔案

找到路徑C:\Users\你的使用者名稱，在下面建立檔案.theanorc.txt

此處我在C:\Users\Administrator路徑下建立了.theanorc.txt檔案

編輯檔案輸入內容

[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

注意標紅的路徑是根據你自己的MinGW來設定的，不需要和我的一樣，上面的：

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

如果你的電腦是裝vs2012，那麼就把10.0改為11.0。這個也就是你安裝的vs所在的目錄。

步驟六 測試配置檔案是否有誤
進入python的shell指令碼，輸入內容：>>> import theano>>> theano.test()

出現這種錯誤 ，或者我們在命令視窗執行spyder也出現如下問題：

我們可以看到這個問題，就是在我們import theano那個問題，我們可以參考文章：

我們清除安裝theano時的路徑配置，即：新建環境變數‘PYTHONPATH’：新增值D:\Program Files (x86)\Anaconda\Lib\site-packages\theano;然後重新嘗試執行

如果import theano出現pygpu相關的錯誤，可以嘗試執行(如果你已經安裝了CUDU可能會出現這種問題)：

conda install pygpu

開啟spyder進行測試，如果還有spyder閃退的問題，可以嘗試重新安裝：

conda uninstall spyder        #先解除安裝
conda install spyder          #在安裝 

如果還是不行，你可以到網上搜索其他解決方案，或者重新換個版本的Anaconda安裝。

我們也可以編輯如下程式碼測試

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(), ))

測試結果如下：

如果上面的np time 和theano time 差不多，那就代表你上面的配置沒有問題了，這個有的時候電腦還有其他的任務，也有可能導致執行的時間不一致。

步驟七 安裝cuda

先檢查自己的顯示卡支援什麼版本的CUDA

(1)首先開啟控制面板，在控制面板進行搜尋。

(2)然後，雙擊NVIDIA控制面板，開啟如下的控制面板，點選幫助

點選系統資訊，我們會看到

(3)選擇元件，然後會看到紅色框的內容，箭頭所指的CUDA版本，就是你電腦支援的CUDA版本。

然後我們去官網下載我們顯示卡支援的CUDA版本

 

 程式下載完後後，雙擊安裝：

到這一步，問題出現了，告訴我說圖形驅動與顯示卡不相容，如果繼續安裝，即使安裝成功了，也不能使用cuda。因此我去下載一個比較新的CUDA,我下載了CUDA9.0

 

選擇自定義安裝，然後把所有包的都勾選上，省的後面出現什麼錯誤。這一步有可能會遇到驅動衝突，導致某些包安裝失敗

如果某些包安裝失敗，後面使用theano的時候，會跳出錯誤。如果圖形驅動安裝失敗，執行theano的時候就出現錯誤，提示為cuda版本與驅動版本不一致。因此如果你安裝cuda的過程中，有出現安裝失敗的，那麼請你接著往下看。安裝失敗一般是驅動衝突的問題，這個時候我的方法是用驅動精靈解除安裝掉顯示卡驅動，然後在進行安裝。

 安裝完後測試一下是否安裝正確。在命令視窗輸入：

nvcc -V

回車檢視是否有版本資訊。若出現版本資訊，則證明nvcc安裝成功，如下圖所示：

 

接著我們執行一個cuda自帶的測試例子。

 

由於我的電腦安裝了VS2013(這個自己下載安裝)，所以在這裡開啟Samples_vs2013.sln專案，這個例子目錄為：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0(在安裝完我們勾選launch samples會自動開啟這個資料夾) 。編譯執行得到如下結果，表示安裝成功：

然後我們需要重新配置.theanorc.txt檔案

[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

這樣就完成了theano的GPU配置了。

步驟八 完整測試

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')

(1)如果執行import theano出現

'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.

我們可以通過修改.theanorc.txt檔案  把device=gpu更改為device=cuda

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

(2)如果執行出現下面錯誤：

我們可以配置.thranorc.txt檔案，忽略cuDNN

[dnn]
enabled = False

(3)如果出現CVM未定義的錯誤，按照下面方法移除該資料夾是可以起作用的(親測)。

如果這些方法都不能解決這些錯誤，我只能推薦你看一下這篇文章，希望能夠對你有幫助

執行結果如下：

(1)GPU測試

下面是用GPU加速的執行結果：

 

 如上執行結果可知，用gpu進行計算時間差不多是0.68秒左右。如果想切換成只用gpu的測試的話，我是通過更改檔案：.theanorc.txt的內容。那麼.theanorc.txt的內容為：

[blas]   
ldflags=

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

[dnn]
enabled = False

[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測試。

如果想關閉gpu，進行cpu測試那麼就把.theanorc.txt內容改為：

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

重啟電腦或者重啟spyder核心。下面是測試結果圖：

 

測試了結果，只用cpu花了14秒的時間，也就是說對於我的電腦，使用gpu進行加速，這速度提高了近20倍。

步驟九 安裝tensorflow

在命令視窗下執行

conda install tensorflow

在linux環境下安裝如下

步驟一  安裝Anaconda

Anaconda是一個用於科學計算的python發行版，支援linux,mac,windows系統，提供了包管理和環境管理的功能，Anaconda是一個打包的集合，裡面裝好了conda，某個版本的python，眾多的packages等，科學計算工具等

 從archive路徑下載Anaconda3-5.0.1-linux-86_64.sh

在home資料夾下建立一個資料夾，命名為Anaconda,把下載好的程式複製到這裡，然後右鍵在終端開啟，輸入:

bash Anaconda3-5.0.1-Linux-x86_64.sh

然後按下enter鍵繼續安裝，一直按enter鍵，直至:

相關推薦