win10+Theano配置，网上的东西100条，也就一条有用

重点的重点来了，首先，我要说：theano支持到了cudnn5.1，就停止更新了。维护一年后彻底放弃，所以大部分都是用于实验室做一些toy data。

我是1060的显卡，于是安装了CUDA9和CUDA8，CUDA8是我在配置openpose的时候一起下的。在我用CUDA9配置完以后才知道CUDA9来做根本就不可能，因为支持的CUDNN是7.1.不信可以试试。

我下的Cnaconda3，为了以后配置tensor简单一些（ts在win下只支持3）

然后配置环境。script加到系统变量，以及Cnaconda也加进去。然后cmd执行

conda install numpy scipy mkl-service libpython m2w64-toolchain nose

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msy

这里是再添加镜像，避免不必要的弯路。

conda install numpy scipy mkl-service libpython m2w64-toolchain nose

conda install pygpu theano

theano-cache purge

还有一堆环境变量：

下面图里的上下位置，决定了是用cuda8还是9（对我个人而言）

随后在cmd的根目录加下面这个东西。

主要的问题在于一个.theanorc.txt的问题

[global] 
cxx=E:\AnaConda\AnaConda\Library\mingw-w64\bin\g++.exe
device=cuda 
floatX=float32 
[gpuarray]
preallocate=0.75 
[dnn] 
enabled = True 
include_path=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
library_path=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

就这些，网上的一大堆什么加这个加那个，不敢说不对，至少在我这行不通。

成功了以后是这样：

我们测试一下代码：证明我们配置成功了。

对比一下下面两段代码：

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')

结果为：

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).transfer(None))
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" % (numpy.asarray(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')

我的运行结果：

可以看到0.38和0.041359的差距，大概10倍，看来标压CPU就是快哈，我看官网的是100倍，总之成功。

时间就是生命，请不要浪费生命！