Window10安装theano keras cuda

最新推荐文章于 2025-03-15 17:56:40 发布

Xiaomin-Wu

最新推荐文章于 2025-03-15 17:56:40 发布

阅读量2.9k

点赞数

分类专栏：搬砖文章标签： vs2012 cuda

本文链接：https://blog.youkuaiyun.com/meanme/article/details/50813743

版权

搬砖专栏收录该内容

5 篇文章

订阅专栏

本文详细介绍了如何安装并配置Python开发环境，包括PyCharm、VS2012、Git、Anaconda、pip以及必要的环境变量配置。接着，通过命令行使用pip安装Theano和Keras，并配置Theano的环境变量以确保兼容Keras。此外，还指导了mingw的安装以及CUDA的离线安装步骤。最后，提供了环境变量设置的细节和Theano配置文件.theanorc.txt的创建及内容填充，以确保开发环境的高效运行。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一: 软件安装（安装路径均默认）

首先安装pycharm

再安装VS2012

继续安装Git（后面需要用git指令安装theano keras）

接下来安装Anaconda（需要配置环境变量，后面说）

打开pycharm，使用pycharm安装pip，指定版本为1.2.1（需要配置环境变量，后面说）

打开cmd，使用以下指令安装theano(兼容keras，不然无法使用relu函数)：

pip install git+https://github.com/Theano/Theano.git@15c90dd3#egg=Theano==0.8.git

安装keras：

打开cmd，使用以下指令安装keras：

pip install keras

接下安装mingw，打开cmd，运行以下指令（需要配置环境变量，后面说）：

conda install mingw libpython （中间可能会卡主几次，关掉窗口重新运行指令即可）

安装cuda，离线安装方式，默认安装即可

严格按照以上顺序安装

环境变量设置

环境变量只需要配置用户变量中的PATH，我的变量最后如下：

C:\Windows\system32;C:\Windows;C:\Windows\System32\Wbem;C:\Windows\System32\WindowsPowerShell\v1.0\;C:\Users\wxm\AppData\Roaming\npm;C:\Users\wxm\AppData\Local\Programs\Git\cmd;C:\Users\wxm\AppData\Local\Programs\Git\mingw64\bin;C:\Users\wxm\AppData\Local\Programs\Git\usr\bin;C:\Anaconda2\Lib\site-packages\pip;C:\Anaconda2;C:\Anaconda2\MinGW

在进行第一步的时候，安装完什么软件，就配置好什么环境变量。

thenao配置文件：

在cmd窗口的路径下：如C:\Users\wxm，新建.theanorc.txt文件，填写以下内容：

[global]
openmp=False
device = gpu
floatX = float32
allow_input_downcast=True
[blas]
ldflags=
[gcc]
cxxflags=-IC:\Anaconda2\MinGW
[nvcc]
flags = -LE:\Anaconda2\libs
flags=-arch=sm_30
compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin
fastmath = True

测试

运行以下代码，若打印 using the gpu，说明配置成功

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' % 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')