win7 64位系统 安装深度学习环境（anaconda、cuda、cudnn、theano、keras等）

win7 64位系统 安装深度学习环境（anaconda、cuda、cudnn、theano、keras等）

前言

安装深度学习套装本身就是个麻烦事，在windows上安装就又增加了难度系数，因为很多深度学习的扩展包最开始不是针对windows开发的，而我用windows安装的原因也只是因为我现在的项目里需要用到windows比较多，嫌切换麻烦，以后肯定会再安装Linux版本，这里把安装过程出现的问题及解决办法写下来，供大家参考，我的系统是win7 64位，显卡是GTX 960M（笔记本），安装基于gpu的深度学习环境。

1.安装

1、安装Anaconda

基于gpu的深度学习套装有很多，很多可以平行安装，但是既然在windows学习深度学习，python是离不开的，所以这里啥也别说，先把Anaconda安装上吧，Anaconda自带python，如果是初学者，推荐安装带python3.6版本的，去官网下载，速度不差，地址在这：https://www.anaconda.com/download/
选那个windows的即可，默认安装，安装完成后会安装上几个东西：anaconda navigator、anaconda prompt、jupter notebook、spyder等，anaconda navigator可以管理安装环境等，和anaconda prompt有很多功能重合，只不过一个是界面一个是代码，这里我们用anaconda prompt功能更全面。

2、安装visual studio 2010

这里安装vs是因为调用gpu计算需要c++编译，我选择了vs2010，因为我电脑本来就安装了2010，也可以安装其他更新的版本，如果不喜欢破解，可以选择community版本，也可以用的，打开安装包开始安装的时候不要选择那个更新选项（好像是第一个复选框），不然下载个没完还有可能下载不下来，对于深度学习环境选个vc++就够了，这里不再赘述。

3、安装cuda

这里终于快开始进入正题，cuda相当于一个驱动，里面也包含了显卡驱动及深度学习计算驱动，也就是说你安装了这个驱动，计算的时候才能调用显卡来计算，因为深度学习很多都是矩阵计算，而显卡又非常善于干这活儿，所以用显卡来干这活儿效率提升蹭蹭的。
回到正题，cuda的版本官网有很多，眼花缭乱怎么选？我一开始也想选个新的，但装了好几个才成功，有的是因为显卡驱动不兼容我的显卡，有的因为不兼容其他计算包，我就出现这么一个奇怪事情，在安装上cuda8.0时搞半天也调用不了gpu，报错pygpu initial fail，找半天发现设备管理器里显卡都没了，是直接消失了，也不显示黄色感叹号，所以只好乖乖换别的cuda版本，最终选择了cuda7.5，这里还有个很烦的事情，是安装7.5的时候因为之前有8.0版本，卸载后也死活安装不上，最后按照网上说法，把c盘的安装文件夹下与NVIDIA有关的文件夹全部删除，删除不掉的用安全管家强制删除，才安装上7.5，然后可以测试一下，打开cmd，输入vncc -V，如果能有那么一串英文说明，则说明安装成功了。
光安装成功还不行，还要能和vc++配合，这时候，打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5（按照个人实际情况），打开Samples_vs2010.sln，如果你安装了vs2010是可以直接双击打开的，然后右键点击解决方案Samples_vs2010（145个项目），选择重新生成解决方案，然后等它运行，要好大一会儿，如果发现有失败的，则要根据实际情况修改，我这里提醒了缺少几个dll，按照网上说的，下载了DSXDK_Jun.exe，安装上再重新生成就全部成功了。

4、安装cudnn

cudnn是用于深度神经网络的GPU加速库，反正就是安装了就运行更快了的意思，那就安呗，说是安装，其实在windows上就是把文件拷贝到相应文件夹下就完了，要注意是拷贝文件不是拷贝文件夹，也就是说把解压出的文件夹bin下的cudnn64_6.dll（这个我用的与cuda7.0对应的cudnn6.0，所以名字带6）复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin里面，其他两个文件也是同样操作，这样就完成了。

5、安装mingw、theano

theano是。。。（网上有具体解释），mingw是theano的编译依赖，这里也不废话，直接在anaconda中安装，打开anaconda prompt，首先安装mingw，输入conda install mingw，然后等待，然后选择y，等待安装完成，然后安装theano，输入conda install theano，然后等待，然后选择y，不一会儿就安装完了，但是安装完不代表就能调用，要想正确调用还有不少工作，首先是在C:\Users\用户名 文件夹下要建立一个名字为.theanorc的txt文件，这个是theano的配置文件，文件内的内容我是这样的：

[global]
openmp=False
device = cuda
floatX = float32
root=C:\ProgramData\NVIDIA GPU Computing Toolkit\v7.5
base_compiler = D:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin
allow_input_downcast=True

[lib]
cnmem = 0.75

[blas]
ldflags=-lblas

[gcc]
cxxflags=-IC:\ProgramData\Anaconda3\MinGW\x86_64-w64-mingw32\include

[nvcc]
flags = -LC:\ProgramData\Anaconda3\libs
compiler_bindir = D:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin
fastmath = True

这里面有几个注意点，一是device = cuda，这个官网已经改了，不再是device = gpu，这个有可能会导致错误，也可能没事，二是ldflags=-lblas，这个很多赋值是空，我给这个值是因为我出现了blas错误，如果不出现blas问题可以赋值空。
这时候在anaconda prompt中输入python，进入python环境，然后import theano试试，如果有错就还要做相应修改。没错的话再输入theano.test()运行测试，看会不会出错，一般都是缺少一些安装包，像我这里就缺少了parameterized模块，这时候就要再安装parameterized，注意安装模块要退出python环境，我是直接关闭了anaconda prompt又重新打开，前缀带（base）说明是在基环境，可以安装模块了，如果缺少其他模块也从这安装。
安装好也测试没有错误后，就要测试theano调用gpu是否有效了，这时候我选择用spyder来测试代码，spyder是anaconda 自带的一个IDE，好用是好用，就是常常罢工，不废话，打开spyder，可以再开始菜单打开，也可以直接在anaconda prompt的（base）下直接输入spyder即可打开，theano的官方的测试代码如下：

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')

如果运行结果输出Used the gpu，恭喜调用显卡运算成功，theano安装完成，如果输出是Used the cpu，说明显卡没有调用成功，排查一下：电脑设备管理里面能不能看到独立显卡，不能着需要换个cuda版本，说明cuda与显卡不兼容，测试cuda的sample能否重新生成，测试cmd等。

6、安装keras

keras是…安装也是在anaconda prompt里安装，直接conda install keras即可。

2.总结

整个安装完这些环境不出错也很难，主要问题就在各个版本的安装包、模块能否配合运行：
cuda与显卡品牌一定要相适应，否则容易安装上cuda显卡驱动没了；
cuda与cudnn也要适应；
theano与python要适应；
总之要相适应。所以不建议安装太新的版本，可能太新的版本对以前的支持还不太成熟。