深度學習（二）theano環境搭建

阿新 • • 發佈：2019-01-24

theano環境搭建

作者：hjimce

搭建theano實屬不易，因為每個人的電腦不一樣，所以安裝過程會有所區別，特別是安裝cuda的時候，很容易驅動衝突。網上教程一大堆，但是我都沒搭建成功，最後根據官網的教程，一步一步的琢磨，總算功夫不負有心人。因此寫一下艱辛的theano安裝歷程

環境：win7+64位系統

硬體：膝上型電腦，顯示卡型號:GTX 850M

現在假設電腦啥都沒裝，開始從頭到尾進行環境搭建。

1、安裝Anconda。

因為如果安裝純淨版python，還需要自己安裝其它的numpy、matpolt等庫，挺麻煩的。所以我直接安裝整合的

因為我是64位系統，因此選擇64位的版本

，下載後文件為：Anaconda-2.2.0-Windows-x86_64.exe，下載完成後，就直接雙擊開始安裝，全部都選取預設的就可以了，預設會安裝到：C:\Anconda。

安裝完成後，在window開始選單下，的所有程式中找到已安裝的Anaconda，如下：

開啟Anaconda的命令視窗：Anaconda Command Prompt，然後輸入命令：conda list 可以檢視Anaconda為我們安裝的python相關的包：

裡面有非常多的包，如：numpy, nose, pip, python, scipy。

2、安裝mingw、theano

(1)mingw 安裝

有的Anaconda 是有包含mingw的，不過我下載到的版本安裝完以後上面的包列表中並沒有mingw，也就是C:\Anconda檔案下沒有MinGW資料夾，因此需要自己線上安裝。這個如果沒有裝好，後面使用theano的時候會提示：g++ no detect，還有g++不是內部命令什麼的。總之如果錯誤提示g++問題，就代表mingw沒有安裝或配置好。

我們在Anaconda命令視窗中，輸入mingw的安裝命令：conda install mingw。

宣告修改：這一步用命令conda install mingw錯了，最後theano安裝完後，輸入命令“import theano”會出現：no module named gof 的錯誤。需要把mingw的安裝命令改為：

conda install mingw libpython。才不會出現後面的no module named gof 錯誤

因為我已經安裝過了，所以輸入安裝命令後，提示的是：All requested packages already installed。也就是已經安裝完了，如果還沒有安裝的，它會自動連結線上安裝。

mingw安裝完後，在C:\Anconda檔案下會出現：名為MinGW的資料夾。

(2)theano 安裝

與mingw的安裝類似，直接在anaconda的命令視窗中輸入命令：pip install theano。接著會自動進行線上安裝，如下所示：

最後安裝成功了會提示：successfully installed theano。

(3)配置環境變數

在桌面上我的電腦右鍵-》屬性-》高階系統設定-》環境變數。即可進入環境變數設定介面如下：

步驟一、在系統環境變數中選擇“變數path”，在後面加入值：“c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\x86_64-mingw32\lib;”(如果作業系統為32位的變數值輸入為“c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\i686_w64-mingw32\lib;”)（注意要帶分號）

步驟二、新建環境變數。變數名為“PYTHONPATH”,變數值為“C:\Anaconda\Lib\site-packages\theano;”（同樣注意要帶分號）

步驟三、開啟C盤-》使用者-》當前使用者（根據你的電腦使用者而定）。因為我的電腦現在所用的是超級管理員使用者Adminstrator，因此開啟Adminstrator使用者

使用者目錄

在使用者Adminstrator下面建立檔名為：“.theanorc.txt”,檔案內容為：

“[blas]
ldflags=

[gcc]
cxxflags = -IC:\Anaconda\MinGW\include”

即：

ok，到了這裡我們已經完成了theano配置的上半部分，這個時候theano已經可以用了，接著需要做個測試，測試一下自己上面的配置有沒有問題。

(4)測試配置是否有誤

測試開始前，需要重啟電腦，因為我們上面配置了環境變數，系統的環境變數設定完了需要重啟電腦才能有效果。

測試方法一、

測試程式碼：

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(), )

把上面的程式碼拷貝複製一下，然後用python執行一下結果如下：

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。

測試方案二、

在python命令視窗中輸入：

Import theano
print theano.config.blas.ldflags

沒有出錯(沒有返回值)則說明已經配置成功，如下圖所示，就代表成功了：

測試方案三、驗證BLAS是否安裝成功。由於numpy是依賴BLAS的，如果BLAS沒有安裝成功，雖然numpy亦可以安裝，但是無法使用BLAS的加速。驗證numpy是否真的成功依賴BLAS編譯，用以下程式碼試驗：

>>> import numpy >>> id(numpy.dot) == id(numpy.core.multiarray.dot) False 結果為False表示成功依賴了BLAS加速，如果是Ture則表示用的是python自己的實現並沒有加速。結果如下代表成功：

3、安裝CUDA

上面的theano配置只是完成了上半部分，這個時候還不能進行gpu加速。這個時候我們可以用如下命令：

>>import theano

>>theano.test()

測試看一下結果如下，這個時候會跳出PyCUDA的相關錯誤資訊，因為我們還沒有安裝CUDA。

OK,接著我們要做的就是安裝CUDA了。具體步驟如下：

(1)安裝vs，根據theano官網的安裝教程，到網站：http://go.microsoft.com/?linkid=9709969 下載到：VS2010Express1.iso，然後用虛擬光碟機開啟，然後在開啟VCExpress檔案，雙擊安裝檔案：VCExpress\setup.exe

(2)安裝CUDA。

a、下載合適的cuda版本。這一步很操蛋，因為我一開始是根據官網教程，到這個網站：https://developer.nvidia.com/cuda-toolkit-55-archive 根據我是膝上型電腦同時是win7 64位系統，最後下載了cuda_5.5.20_winvista_win7_win8_notebook_64.exe。等了一個小時終於下載完了，下載完後進行安裝，結果一安裝就出現如下錯誤：

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。於是我就去下載了個高一點的版本：cuda6.5，等了一個小時終於下載完了，結果一執行還是同樣的錯誤。

最後我下載了最新的版本：cuda_7.0.28_windows.exe 終於沒有錯誤了。因此安裝cuda需要根據電腦的顯示卡型號確定，因為我的電腦是剛買不久的，所以顯示卡比較先進。

根據上面的步驟，我的電腦找到了合適版本為cuda7.0版本。接著就需要安裝cuda_7.0.28_windows.exe這玩意了

b、安裝cuda。下載完後，直接雙擊安裝，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，比如我第一次安裝的時候，結果圖形驅動包就安裝失敗了。

如果某些包安裝失敗，後面使用theano的時候，會跳出錯誤。像我圖形驅動安裝失敗，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。如果是膝上型電腦，因為是雙顯示卡的，那麼就先解除安裝掉NVIDIA的，另外一個Intel的驅動保留的著。

然後在進行安裝CUDA ,還有intel驅動最好是官方驅動，不然也有可能衝突，導致安裝失敗。

ok,安裝完後測試一下是否安裝正確。

在命令提示符視窗中輸入：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，名字為：deviceQuery_vs2012.sln ，這個例子目錄為：C:\Program Files\NVIDIA Corporation\Installer2\CUDASamples_7.0.{E78AE18E-ED3C-4168-AF5B-561BDF7F2BBB}\1_Utilities\deviceQuery 。我用vs2012打開了deviceQuery_vs2012.sln，並編譯執行得到如下結果，代表安裝成功：

如果有問題，這個例子執行後，會有錯誤提示資訊。

接著在dos命令視窗中，cd到VCForPython27.msi所在的目錄，然後輸入安裝命令：msiexec /i VCForPython27.msi ALLUSERS=1

接著會進行安裝VCForPython27.msi。其將被安裝到：C:\Program Files (x86)\Common Files\Microsoft\Visual C++ for Python\9.0.目錄下

安裝完後，可以到這個目錄下看看有沒有上面這個目錄。

安裝完了以後，我們新建一個檔名為：stdint.h，其檔案內容如下：

// ISO C9x  compliant stdint.h for Microsoft Visual Studio
// Based on ISO/IEC 9899:TC2 Committee draft (May 6, 2005) WG14/N1124 
// 
//  Copyright (c) 2006-2013 Alexander Chemeris
// 
// Redistribution and use in source and binary forms, with or without
// modification, are permitted provided that the following conditions are met:
// 
//   1. Redistributions of source code must retain the above copyright notice,
//      this list of conditions and the following disclaimer.
// 
//   2. Redistributions in binary form must reproduce the above copyright
//      notice, this list of conditions and the following disclaimer in the
//      documentation and/or other materials provided with the distribution.
// 
//   3. Neither the name of the product nor the names of its contributors may
//      be used to endorse or promote products derived from this software
//      without specific prior written permission.
// 
// THIS SOFTWARE IS PROVIDED BY THE AUTHOR ``AS IS'' AND ANY EXPRESS OR IMPLIED
// WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF
// MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO
// EVENT SHALL THE AUTHOR BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
// SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
// PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS;
// OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, 
// WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR
// OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF
// ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
// 
///////////////////////////////////////////////////////////////////////////////

#ifndef _MSC_VER // [
#error "Use this header only with Microsoft Visual C++ compilers!"
#endif // _MSC_VER ]

#ifndef _MSC_STDINT_H_ // [
#define _MSC_STDINT_H_

#if _MSC_VER > 1000
#pragma once
#endif

#if _MSC_VER >= 1600 // [
#include <stdint.h>
#else // ] _MSC_VER >= 1600 [

#include <limits.h>

// For Visual Studio 6 in C++ mode and for many Visual Studio versions when
// compiling for ARM we should wrap <wchar.h> include with 'extern "C++" {}'
// or compiler give many errors like this:
//   error C2733: second C linkage of overloaded function 'wmemchr' not allowed
#ifdef __cplusplus
extern "C" {
#endif
#  include <wchar.h>
#ifdef __cplusplus
}
#endif

// Define _W64 macros to mark types changing their size, like intptr_t.
#ifndef _W64
#  if !defined(__midl) && (defined(_X86_) || defined(_M_IX86)) && _MSC_VER >= 1300
#     define _W64 __w64
#  else
#     define _W64
#  endif
#endif


// 7.18.1 Integer types

// 7.18.1.1 Exact-width integer types

// Visual Studio 6 and Embedded Visual C++ 4 doesn't
// realize that, e.g. char has the same size as __int8
// so we give up on __intX for them.
#if (_MSC_VER < 1300)
   typedef signed char       int8_t;
   typedef signed short      int16_t;
   typedef signed int        int32_t;
   typedef unsigned char     uint8_t;
   typedef unsigned short    uint16_t;
   typedef unsigned int      uint32_t;
#else
   typedef signed __int8     int8_t;
   typedef signed __int16    int16_t;
   typedef signed __int32    int32_t;
   typedef unsigned __int8   uint8_t;
   typedef unsigned __int16  uint16_t;
   typedef unsigned __int32  uint32_t;
#endif
typedef signed __int64       int64_t;
typedef unsigned __int64     uint64_t;


// 7.18.1.2 Minimum-width integer types
typedef int8_t    int_least8_t;
typedef int16_t   int_least16_t;
typedef int32_t   int_least32_t;
typedef int64_t   int_least64_t;
typedef uint8_t   uint_least8_t;
typedef uint16_t  uint_least16_t;
typedef uint32_t  uint_least32_t;
typedef uint64_t  uint_least64_t;

// 7.18.1.3 Fastest minimum-width integer types
typedef int8_t    int_fast8_t;
typedef int16_t   int_fast16_t;
typedef int32_t   int_fast32_t;
typedef int64_t   int_fast64_t;
typedef uint8_t   uint_fast8_t;
typedef uint16_t  uint_fast16_t;
typedef uint32_t  uint_fast32_t;
typedef uint64_t  uint_fast64_t;

// 7.18.1.4 Integer types capable of holding object pointers
#ifdef _WIN64 // [
   typedef signed __int64    intptr_t;
   typedef unsigned __int64  uintptr_t;
#else // _WIN64 ][
   typedef _W64 signed int   intptr_t;
   typedef _W64 unsigned int uintptr_t;
#endif // _WIN64 ]

// 7.18.1.5 Greatest-width integer types
typedef int64_t   intmax_t;
typedef uint64_t  uintmax_t;


// 7.18.2 Limits of specified-width integer types

#if !defined(__cplusplus) || defined(__STDC_LIMIT_MACROS) // [   See footnote 220 at page 257 and footnote 221 at page 259

// 7.18.2.1 Limits of exact-width integer types
#define INT8_MIN     ((int8_t)_I8_MIN)
#define INT8_MAX     _I8_MAX
#define INT16_MIN    ((int16_t)_I16_MIN)
#define INT16_MAX    _I16_MAX
#define INT32_MIN    ((int32_t)_I32_MIN)
#define INT32_MAX    _I32_MAX
#define INT64_MIN    ((int64_t)_I64_MIN)
#define INT64_MAX    _I64_MAX
#define UINT8_MAX    _UI8_MAX
#define UINT16_MAX   _UI16_MAX
#define UINT32_MAX   _UI32_MAX
#define UINT64_MAX   _UI64_MAX

// 7.18.2.2 Limits of minimum-width integer types
#define INT_LEAST8_MIN    INT8_MIN
#define INT_LEAST8_MAX    INT8_MAX
#define INT_LEAST16_MIN   INT16_MIN
#define INT_LEAST16_MAX   INT16_MAX
#define INT_LEAST32_MIN   INT32_MIN
#define INT_LEAST32_MAX   INT32_MAX
#define INT_LEAST64_MIN   INT64_MIN
#define INT_LEAST64_MAX   INT64_MAX
#define UINT_LEAST8_MAX   UINT8_MAX
#define UINT_LEAST16_MAX  UINT16_MAX
#define UINT_LEAST32_MAX  UINT32_MAX
#define UINT_LEAST64_MAX  UINT64_MAX

// 7.18.2.3 Limits of fastest minimum-width integer types
#define INT_FAST8_MIN    INT8_MIN
#define INT_FAST8_MAX    INT8_MAX
#define INT_FAST16_MIN   INT16_MIN
#define INT_FAST16_MAX   INT16_MAX
#define INT_FAST32_MIN   INT32_MIN
#define INT_FAST32_MAX   INT32_MAX
#define INT_FAST64_MIN   INT64_MIN
#define INT_FAST64_MAX   INT64_MAX
#define UINT_FAST8_MAX   UINT8_MAX
#define UINT_FAST16_MAX  UINT16_MAX
#define UINT_FAST32_MAX  UINT32_MAX
#define UINT_FAST64_MAX  UINT64_MAX

// 7.18.2.4 Limits of integer types capable of holding object pointers
#ifdef _WIN64 // [
#  define INTPTR_MIN   INT64_MIN
#  define INTPTR_MAX   INT64_MAX
#  define UINTPTR_MAX  UINT64_MAX
#else // _WIN64 ][
#  define INTPTR_MIN   INT32_MIN
#  define INTPTR_MAX   INT32_MAX
#  define UINTPTR_MAX  UINT32_MAX
#endif // _WIN64 ]

// 7.18.2.5 Limits of greatest-width integer types
#define INTMAX_MIN   INT64_MIN
#define INTMAX_MAX   INT64_MAX
#define UINTMAX_MAX  UINT64_MAX

// 7.18.3 Limits of other integer types

#ifdef _WIN64 // [
#  define PTRDIFF_MIN  _I64_MIN
#  define PTRDIFF_MAX  _I64_MAX
#else  // _WIN64 ][
#  define PTRDIFF_MIN  _I32_MIN
#  define PTRDIFF_MAX  _I32_MAX
#endif  // _WIN64 ]

#define SIG_ATOMIC_MIN  INT_MIN
#define SIG_ATOMIC_MAX  INT_MAX

#ifndef SIZE_MAX // [
#  ifdef _WIN64 // [
#     define SIZE_MAX  _UI64_MAX
#  else // _WIN64 ][
#     define SIZE_MAX  _UI32_MAX
#  endif // _WIN64 ]
#endif // SIZE_MAX ]

// WCHAR_MIN and WCHAR_MAX are also defined in <wchar.h>
#ifndef WCHAR_MIN // [
#  define WCHAR_MIN  0
#endif  // WCHAR_MIN ]
#ifndef WCHAR_MAX // [
#  define WCHAR_MAX  _UI16_MAX
#endif  // WCHAR_MAX ]

#define WINT_MIN  0
#define WINT_MAX  _UI16_MAX

#endif // __STDC_LIMIT_MACROS ]


// 7.18.4 Limits of other integer types

#if !defined(__cplusplus) || defined(__STDC_CONSTANT_MACROS) // [   See footnote 224 at page 260

// 7.18.4.1 Macros for minimum-width integer constants

#define INT8_C(val)  val##i8
#define INT16_C(val) val##i16
#define INT32_C(val) val##i32
#define INT64_C(val) val##i64

#define UINT8_C(val)  val##ui8
#define UINT16_C(val) val##ui16
#define UINT32_C(val) val##ui32
#define UINT64_C(val) val##ui64

// 7.18.4.2 Macros for greatest-width integer constants
// These #ifndef's are needed to prevent collisions with <boost/cstdint.hpp>.
// Check out Issue 9 for the details.
#ifndef INTMAX_C //   [
#  define INTMAX_C   INT64_C
#endif // INTMAX_C    ]
#ifndef UINTMAX_C //  [
#  define UINTMAX_C  UINT64_C
#endif // UINTMAX_C   ]

#endif // __STDC_CONSTANT_MACROS ]

#endif // _MSC_VER >= 1600 ]

#endif // _MSC_STDINT_H_ ]

然後把它放到目錄：

C:\ProgramFiles(x86)\CommonFiles\Microsoft\VisualC++forPython\9.0\VC\include\stdint.h 下面。

5、重新配置檔案.theanorc.txt。把步驟2(3)中建立的檔案：.theanorc.txt 內容改為如下內容：

[blas] 
ldflags=

[global]
device = gpu
floatX = float32


[nvcc]
fastmath=True
flags =-LC:\Anaconda\libs
compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

[gcc] 
cxxflags = -IC:\Anaconda\MinGW\include

這樣就完成了theano的GPU配置了。上面的：

compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

這個如果你的電腦是裝vs2012，那麼就把10.0改為11.0。也就是說上面的路徑就是你安裝的vs所在的目錄

6、完整測試。

測試的python程式碼如下：

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 xrange(iters):
    r = f()
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'
else:
    print 'Used the gpu'

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cpu的測試的話，我是通過更改檔案：.theanorc.txt的內容。如果開啟gpu，那麼.theanorc.txt的內容為：

[blas] 
ldflags=

[global]
device = gpu
floatX = float32


[nvcc]
fastmath=True
flags =-LC:\Anaconda\libs
compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

[gcc] 
cxxflags = -IC:\Anaconda\MinGW\include

(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 = -IC:\Anaconda\MinGW\include

還有需要重啟電腦。不知道有沒有更好的在gpu與cpu切換的方法，如果有請不吝指導，因為我這個方法每次都要重啟，下面是測試結果圖：

測試了結果，只用cpu花了13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。

參考文獻：

1、http://deeplearning.net/software/theano/install_windows.html#install-windows

2、http://blog.163.com/yuyang_tech/blog/static/216050083201469101518900/

3、http://ihsgnef.github.io/theano-cuda-windows/

附錄：

1、在呼叫theano.test()測試的時候，如果出現：no module name theano 的錯誤，表明要麼沒有安裝，theano。如果確保已經安裝了，那麼就是你：高階-》環境變數的路徑沒有設定好。

上面的環境變數設定：“C:\Anaconda\Lib\site-packages\theano;”檢視一下是否有這個目錄。比如我另外一臺電腦安裝的時候，不知怎麼回事，theano的安裝目錄竟然是大寫的：Theano，一直不知道錯在哪

深度學習（二）theano環境搭建

深度學習（二）theano環境搭建

Zephyr學習（二）開發環境搭建

Hadoop HA + HBase環境搭建（二）————HBase環境搭建

深度學習（二）Back Propagation Network

深度學習（二）卷積計算

App自動化測試探索（二）MAC環境搭建iOS+Python+Appium測試環境

Linux學習（三） LAMP 環境搭建（還有apache不能解析php問題）

spring學習（二）spring容器搭建與應用

深度學習（二）——從零自己製作資料集到利用deepNN實現誇張人臉表情的實時監測（tensorflow實現）

MongoDB學習（二）Windows環境安裝MongoDB

深度學習（二）損失函式與梯度

vue學習（一）：環境搭建

OpenWrt開發教程（二）編譯環境搭建詳細步驟

Liferay 6.1開發學習（一）：環境搭建

系統學習深度學習（二） --自編碼器，DA演算法，SDA，稀疏自編碼器

Spark學習（二）之叢集搭建(standalone、HA-standalone、 spark on yarn)

Php學習（一）開發環境搭建

深度學習（TensorFlow）環境搭建：（三）Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

深度學習（TensorFlow）環境搭建：（一）硬體選購和主機組裝

Python與機器學習（二）：Windows下科學計算環境搭建

深度學習（二）theano環境搭建

相關推薦