windows7环境下theano安装

本文详细介绍了在Windows环境下安装深度学习库Theano的过程,包括使用Anaconda简化安装步骤、安装mingw解决环境问题、配置环境变量、安装Theano及验证安装成功的方法。此外,还提供了GPU加速、BLAS依赖检查等内容,帮助读者顺利进行深度学习项目的准备。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    要做卷积神经网络的一些东西,所以要装theano,网上很多Theano安装教程版本较老,而各安装包更新很快,参考价值有限。走了很多弯路才装好,把这个过程记录下来,希望对大家有帮助~ ~

    我的配置:win7,32位(64和32位安装步骤没差,下安装包版本有差而已),vs2012

    首先推荐一篇英文安装指南,写的十分详细,很多安装指南都是参考的这篇。不过因为这篇里存在着一些冗余成分,个人酌情参考,不过遇到难题时可以看看:http://deeplearning.net/software/theano/install.html#install

    0.操作系统

    ubuntu下安装会比windows下省事很多,但是好像是直接装进系统里的,python出问题会崩系统(忘了从哪里看的了),可以考虑pip个虚拟环境。我平时的工作环境是windows,并不好装,但是用起来方便一点(个人感觉)。

    1.安装anaconda(已内置python,numpy和scipy两个必要库以及一些其他库,自带安装。

    地址:http://www.continuum.io/downloads

    选择原因:安装简单,网上参考资料多。

    也有人会选pythonxy,提醒一下,网上pythonxy资源不多,我装完pythonxy,import theano之后出现了这个问题ImportError: not import name gof,百度谷歌上能试的解决方式我都试了,然并卵。

    2.安装mingw

    装完anaconda直接pip install theano是行不通的,在python里搜g++会发现搜不到,有些参考资料里面写:

    添加环境变量: path: C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib;  

      新建环境变量:PYTHONPATH: C:\Anaconda\Lib\site-packages\theano;
    问题在于anaconda底下根本没有MinGW包,不要听信什么自己下个zip,安装到anaconda底下,正确方法:
cmd输入:conda install mingw libpython

    MinGW等文件夹会自动装到anaconda下面,life is short, save your time.

    3.环境配置

      在用户变量中,PATH添加C:\Anaconda;C:\Anaconda\Scripts; 

    并新建 PYTHONPATH:C:\Anaconda\Lib\site-packages\theano;

    在cmd的home目录中新建 .theanorc.txt 文件(注意名字中的“.”),根据自己安装MinGW的路径写上MinGW的路径,我的如下:

[blas]
ldflags=


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

   重启电脑

   4.安装theano

    别用什么theano.zip解压到目录底下或者theano_installer_latest.msi,不嫌麻烦你就去试,正确方式:

cmd输入:pip install theano

(pip用法看这里:http://www.ttlsa.com/python/how-to-install-and-use-pip-ttlsa/)

    装完之后在ipython中输入以下两行代码测试一下:

    import theano

    theano.test()
    没有error的话,恭喜你,安装成功了~ ~
    5.GPU加速

    GPU加速首先就是安装CUDA,然而CUDA只支持NVIDIA显卡,因为CUDA软件就是他家出的,如果你的本并不是NVIDIA显卡,别费劲了

   6.BLAS

    看看numpy是不是已经默认BLAS加速了,在python里输入:

    import numpy 

      id(numpy.dot) == id(numpy.core.multiarray.dot) 
    结果为False表示已经成功依赖了BLAS加速,如果是Ture则表示用的是python自己的实现,并没有加速。

参考(然而他们的完全有用的话,我就没必要写这些了~ ~):
http://blog.youkuaiyun.com/tulip561/article/details/46696113
http://blog.163.com/yuyang_tech/blog/static/216050083201469101518900/
http://www.cnblogs.com/hanahimi/p/4127026.html
http://blog.youkuaiyun.com/zhouyongsdzh/article/details/24449645


内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值