cudav7.5+anaconda3.5+Theano+vs2012失败经验_nvcc fatal : path to libdevice library not specifi-优快云博客

本文链接：https://blog.youkuaiyun.com/mango_badnot/article/details/51731535

失败经验总结

~具体详细配置看参考博客，这里只是记录一下失败的经验，希望对大家有帮助~

参考博客 http://blog.youkuaiyun.com/stormragewang/article/details/51261465

本小白的本本一开始是win8的，谁知道cuda只支持win8.1，所以没办法，只能升级win8.1了，目前还不想升级win10.谁知道不升级还好，一升级很多软件都好像不能用了。悲剧（T_T）
刚开始是wamp不能用，最后分别各组件安装服务就能用了，这些都是题外话啦。

cuda安装失败

第一次尝试卸载原显卡驱动，到官网找了对应系统的驱动包安装，还是失败。
最后尝试打开vs，发现vs打不开，显示的是MSVCR110.dll 丢失，因为重装了系统可能丢失文件。按网上的找会对应文件会出现各种问题，最后在 ==控制面板-卸载-卸载vs，这时会弹出安装包的界面，点击修复==，vs能正常运行了，再尝试安装，终于成功了。
按照博客的步骤测试一下，这是要注意选择对应版本的工程，刚开始选错了2013还以为自己又配置错了。

import theano 失败

我的anaconda3.5之前已经有theano，之前记得是可以import的，但是重装系统后连import都不可以，报错显示了一大堆东西，后来选择了python3.4版本上运行。
新建一个py34的环境，然后用activita py34进入环境,以后每次都要激活。
[py34] C:\Users\yourname>
这里的步骤有些就忘记了，反正就一步步有==pip install==和==conda install==安装对应的包，先安装 mingw 和 libpython，然后再安装numpy和scipy，在这里安装scipy又出现了什么~~VC++10.0 required~~的错误，最后还像是pip和conda都试了，出现安装100多M的mlk，装完就成功安装scipy，后面再安装theano就快了。

只能用cpu

进入py34的环境，我不想环境变量换来换去，直接在py34上输入idle进入简单的开发环境，在里面直接写测试代码。

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 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, T.Elemwise) for x in f.maker.fgraph.toposort()]):  
    print('Used the cpu')  
else:  
    print('Used the gpu')

刚跑出来的一瞬间好开心，谁知道显示的是使用cpu，崩溃。最后发现漏了配置文件。在 ==C:\用户\你的用户名\== 里面新建.theanorc.txt。

[global]  
floatX = float32  
device = gpu  
[nvcc]  
flags=-L（你自己anaconda的py34下的libs，忽略括号）
compiler_bindir=（你自己vs的VC的bin，忽略括号）
[cuda]
root = C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v7.5

配置完了，在idle上跑一下测试文件，第一次跑回build一堆东西的。

Using gpu device 0: GeForce GT 740M (CNMeM is disabled, cuDNN not available)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 1.388921 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
Used the gpu