win7 64位系統 安裝深度學習環境（anaconda、cuda、cudnn、theano、keras等）

前言

安裝深度學習套裝本身就是個麻煩事，在windows上安裝就又增加了難度系數，因為很多深度學習的擴充包最開始不是針對windows開發的，而我用windows安裝的原因也隻是因為我現在的項目裡需要用到windows比較多，嫌切換麻煩，以後肯定會再安裝Linux版本，這裡把安裝過程出現的問題及解決辦法寫下來，供大家參考，我的系統是win7 64位，顯示卡是GTX 960M（筆記本），安裝基于gpu的深度學習環境。

1.安裝

1、安裝Anaconda

基于gpu的深度學習套裝有很多，很多可以平行安裝，但是既然在windows學習深度學習，python是離不開的，是以這裡啥也别說，先把Anaconda安裝上吧，Anaconda自帶python，如果是初學者，推薦安裝帶python3.6版本的，去官網下載下傳，速度不差，位址在這：https://www.anaconda.com/download/

選那個windows的即可，預設安裝，安裝完成後會安裝上幾個東西：anaconda navigator、anaconda prompt、jupter notebook、spyder等，anaconda navigator可以管理安裝環境等，和anaconda prompt有很多功能重合，隻不過一個是界面一個是代碼，這裡我們用anaconda prompt功能更全面。

2、安裝visual studio 2010

這裡安裝vs是因為調用gpu計算需要c++編譯，我選擇了vs2010，因為我電腦本來就安裝了2010，也可以安裝其他更新的版本，如果不喜歡破解，可以選擇community版本，也可以用的，打開安裝包開始安裝的時候不要選擇那個更新選項（好像是第一個複選框），不然下載下傳個沒完還有可能下載下傳不下來，對于深度學習環境選個vc++就夠了，這裡不再贅述。

3、安裝cuda

這裡終于快開始進入正題，cuda相當于一個驅動，裡面也包含了顯示卡驅動及深度學習計算驅動，也就是說你安裝了這個驅動，計算的時候才能調用顯示卡來計算，因為深度學習很多都是矩陣計算，而顯示卡又非常善于幹這活兒，是以用顯示卡來幹這活兒效率提升蹭蹭的。

回到正題，cuda的版本官網有很多，眼花缭亂怎麼選？我一開始也想選個新的，但裝了好幾個才成功，有的是因為顯示卡驅動不相容我的顯示卡，有的因為不相容其他計算包，我就出現這麼一個奇怪事情，在安裝上cuda8.0時搞半天也調用不了gpu，報錯pygpu initial fail，找半天發現裝置管理器裡顯示卡都沒了，是直接消失了，也不顯示黃色感歎号，是以隻好乖乖換别的cuda版本，最終選擇了cuda7.5，這裡還有個很煩的事情，是安裝7.5的時候因為之前有8.0版本，解除安裝後也死活安裝不上，最後按照網上說法，把c盤的安裝檔案夾下與NVIDIA有關的檔案夾全部删除，删除不掉的用安全管家強制删除，才安裝上7.5，然後可以測試一下，打開cmd，輸入vncc -V，如果能有那麼一串英文說明，則說明安裝成功了。

光安裝成功還不行，還要能和vc++配合，這時候，打開C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5（按照個人實際情況），打開Samples_vs2010.sln，如果你安裝了vs2010是可以直接輕按兩下打開的，然後右鍵點選解決方案Samples_vs2010（145個項目），選擇重新生成解決方案，然後等它運作，要好大一會兒，如果發現有失敗的，則要根據實際情況修改，我這裡提醒了缺少幾個dll，按照網上說的，下載下傳了DSXDK_Jun.exe，安裝上再重新生成就全部成功了。

4、安裝cudnn

cudnn是用于深度神經網絡的GPU加速庫，反正就是安裝了就運作更快了的意思，那就安呗，說是安裝，其實在windows上就是把檔案拷貝到相應檔案夾下就完了，要注意是拷貝檔案不是拷貝檔案夾，也就是說把解壓出的檔案夾bin下的cudnn64_6.dll（這個我用的與cuda7.0對應的cudnn6.0，是以名字帶6）複制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin裡面，其他兩個檔案也是同樣操作，這樣就完成了。

5、安裝mingw、theano

theano是。。。（網上有具體解釋），mingw是theano的編譯依賴，這裡也不廢話，直接在anaconda中安裝，打開anaconda prompt，首先安裝mingw，輸入conda install mingw，然後等待，然後選擇y，等待安裝完成，然後安裝theano，輸入conda install theano，然後等待，然後選擇y，不一會兒就安裝完了，但是安裝完不代表就能調用，要想正确調用還有不少工作，首先是在C:\Users\使用者名 檔案夾下要建立一個名字為.theanorc的txt檔案，這個是theano的配置檔案，檔案内的内容我是這樣的：

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

[lib]
cnmem = 

[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 \VC\bin
fastmath = True
           

這裡面有幾個注意點，一是device = cuda，這個官網已經改了，不再是device = gpu，這個有可能會導緻錯誤，也可能沒事，二是ldflags=-lblas，這個很多指派是空，我給這個值是因為我出現了blas錯誤，如果不出現blas問題可以指派空。

這時候在anaconda prompt中輸入python，進入python環境，然後import theano試試，如果有錯就還要做相應修改。沒錯的話再輸入theano.test()運作測試，看會不會出錯，一般都是缺少一些安裝包，像我這裡就缺少了parameterized子產品，這時候就要再安裝parameterized，注意安裝子產品要退出python環境，我是直接關閉了anaconda prompt又重新打開，字首帶（base）說明是在基環境，可以安裝子產品了，如果缺少其他子產品也從這安裝。

安裝好也測試沒有錯誤後，就要測試theano調用gpu是否有效了，這時候我選擇用spyder來測試代碼，spyder是anaconda 自帶的一個IDE，好用是好用，就是常常罷工，不廢話，打開spyder，可以再開始菜單打開，也可以直接在anaconda prompt的（base）下直接輸入spyder即可打開，theano的官方的測試代碼如下：

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()
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')
           

如果運作結果輸出Used the gpu，恭喜調用顯示卡運算成功，theano安裝完成，如果輸出是Used the cpu，說明顯示卡沒有調用成功，排查一下：電腦裝置管理裡面能不能看到獨立顯示卡，不能着需要換個cuda版本，說明cuda與顯示卡不相容，測試cuda的sample能否重新生成，測試cmd等。

6、安裝keras

keras是…安裝也是在anaconda prompt裡安裝，直接conda install keras即可。

2.總結

整個安裝完這些環境不出錯也很難，主要問題就在各個版本的安裝包、子產品能否配合運作：

cuda與顯示卡品牌一定要相适應，否則容易安裝上cuda顯示卡驅動沒了；

cuda與cudnn也要适應；

theano與python要适應；

總之要相适應。是以不建議安裝太新的版本，可能太新的版本對以前的支援還不太成熟。