你们好，最近小活发现有诸多的小伙伴们对于theano发音，theano这个问题都颇为感兴趣的，今天小活为大家梳理了下，一起往下看看吧。
(资料图片)
1、一、前言之前接触过深度学习。因为实验室的台式电脑是32位的，没有独特的显示器，所以运行深度学习这么复杂的模型需要很长时间。这次又在笔记本里折腾了一遍，配置了CUDA，学习了网上总结的教程。
2、不断尝试，最后安装成功。现在记录整个安装过程。
3、二、软件信息：[1]操作系统：Win 10 64 bit [2] Python环境及相关依赖包：Anaconda-2 . 1 . 0-Windows-x86 _ 64[3]the ano包：深度学习框架[4]检查显卡是否支持GPU加速。
4、第三，详细的配置步骤
5、整个过程由六个步骤组成，按以下顺序执行：开始了解操作系统Python环境及相关依赖包Theano包安装检查显卡是否支持GPU加速 C环境安装并行计算架构安装配置结束。
6、下面详细描述了每个步骤。
7、了解操作系统
8、主要是要知道操作系统是32位还是64位，然后在接下来的几个步骤中下载与自己系统位数相同的软件。
9、Python环境和相关依赖包安装
10、深度学习框架Theano安装
11、正确配置前两步后，就可以安装了。因为在Anaconda中设置的Python依赖包中已经存在pip工具包，所以在安装Theano时，只需要在保证网络畅通的前提下打开控制台即可。
12、然后输入pip installtheano命令并按回车键，然后稍等片刻自动安装最新版本的Theano深度学习框架。
13、此时可以查看D:\Anaconda\Lib\site-packages目录下是否有两个文件夹theano和Theano-0.7.0-py2.7.egg-info。如果有，则表明安装已经成功。
14、一般来说，这一步不会出错，操作起来也很简单。
15、安装完成后，检查当前用户目录下是否有一个.theanorc.txt文件(这是一些初始设置信息文件theano。如果不知道当前用户目录的位置，可以打开控制台窗口。
16、该窗口第一个命令提示行显示的目录位置是当前用户目录位置，我的是C:\Users\allwe，是当前用户目录)。如果没有，您可以手动创建一个，然后在文件中写入以下内容：
17、保存。theanorc.txt文件输入后。现在，要检查theano是否配置成功，只需打开控制台，然后输入：python，再输入theano。
18、如果没有其他错误信息输出，这表明theano配置正确。此时，可以使用theano框架编写深度学习代码，并在CPU上运行。
19、这一步非常重要。确认电脑显卡支持GPU加速后，再进行下两步，否则费时费力，没有结果。目前似乎只有英伟达的GF8以上显卡可以支持physx物理加速(也就是GPU加速
20、这里说的GPU加速默认是CUDA编程)，ATI的显卡不支持。
21、如何确认自己电脑的GPU是否支持CUDA编程？在设备管理器中找到显示适配器和计算机的图形卡型号。
22、然后转到http://www.nvidia.com/object/cuda_gpus.html列表(如图2所示)进行比较。如果在列表中，则支持CUDA编程。
23、否则Theano框架写的深度网络只能在CPU上运行。
24、在电脑显卡支持GPU加速（即CUDA编程）后，就可以进行后两步操作了。
25、C++环境的安装，建议直接安装一套微软的Visual Studio环境，建议Visual Studio 2010或更高版本。本人安装Visual Studio 2013版本，能够支持CUDA编程。
26、VS的具体安装过程也非常简单，一键安装的那种。这里是下载地址
27、在安装CUDA之前最好先更新一下自己电脑的显卡驱动版本，有时候安装完毕CUDA之后，运行CUDA所提供的案例程序中的deviceQuery会出错，请优先考虑显卡驱动的问题。
28、这里建议安装NIVDIA官方发布的针对自己显卡型号的驱动。安装CUDA的详细步骤如下：
29、在显卡型号允许的条件下，建议下载CUDA 5.0以上版本，这样比较省事。本人安装的是CUDA 7.5版本。
30、CUDA各版本下载地址：https://developer.nvidia.com/cuda-toolkit-archive。注意，下载的时候有些版本需要区分network和local。要下载local版本。
31、 下载好了后就可以直接安装了，CUDA的默认安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\ 这里推荐使用默认的安装路径，不需更改。
32、安装过程和普通软件没有什么区别。在安装结束时将会出现一个界面，这表明已经成功安装，从图3可以看出似乎CUDA 6.5至少都需要Visual Studio 2010的C++环境。
33、检查是否安装正确。在安装结束后，你会发现在系统环境里面新添加了两个环境变量：CUDA_PATH_V5_0 和CUDA_PATH。
34、现在，打开cmd控制台命令行，输入命令nvcc V回车（注意是大写V哟）就可以参考版本信息。 CUDA配置结束，说明CUDA安装成功。现在就可以利用Theano框架编写深度学习代码，
35、并将代码进行GPU加速了。
36、在前面第2步中，已经通过安装Anaconda将python环境装好，其中Anaconda本身自带了一个称作Spyder的图形界面IDE。在进行Theano GPU加速测试之前，
37、还得需要配置一下.theanorc.txt文件里面的信息，红色字体信息是为了实现GPU加速而增加的配置信息，如下：
38、现在可以启动Spyder，输入表1中的Theano GPU加速测试案例代码并运行，将会出现图7所示的运行结果，其中有一条“Used the gpu”信息输出，表明Theano GPU加速测试成功。
以上就是theano这篇文章的一些介绍，希望对大家有所帮助。
关键词：
您可能也喜欢这些文章
