学步园

http://blog.csdn.net/baigoocn/article/details/36188029

说明：想要让Theano在Windows8.1下能利用GPU并行运算，必须有支持GPU并行运算的Nvidia显卡，且要安装CUDA，千万不要电脑上是Intel或AMD的显卡，却要编写CUDA。

一、CUDA的安装

1、查看你的显卡是否支持GPU并行运算

"This PC"/"Manage"/"Device Manager"/"Display adapters"，就可看到自己显卡的型号.

然后对照该网址中支持GPU运算的网卡型号清单，看自己的Nvidia显卡是否在其列表中.

2、下载安装CUDA Toolkit

CUDA Toolkit下载地址：点我下载，注意选择既要与自己系统匹配又要与所安装Python的版本相匹配的版本，就是说要么都用32位的，要么都用64位的，在此选择的是Windows
8.1 64bit桌面版.

文件将近1G左右，下载完成后双击exe可执行文件即可进行安装，安装过程略过。

二、.theanorc.txt文件的配置

在Home目录下（cmd命令框下可以看到，如我的是"C:\Users\leiguo"），创建.theanorc.txt文件，文件的内容如下：

画黄线的是容易出错的地方，一定要和你安装的Python和VS2012的路径保持一致，编辑好后，把它放置在Home目录下边，如下图位置所示：

三、测试你的安装配置有没有成功

在这里仍然使用上一节的测试用例，代码如下：

<a target=_blank id="L1" href="http://blog.csdn.net/baigoocn/article/details/36188029#L1" rel="#L1" style="color: rgb(102, 102, 102); text-decoration: none;"> 1</a> <a target=_blank id="L2" href="http://blog.csdn.net/baigoocn/article/details/36188029#L2" rel="#L2" style="color: rgb(102, 102, 102); text-decoration: none;"> 2</a> <a target=_blank id="L3" href="http://blog.csdn.net/baigoocn/article/details/36188029#L3" rel="#L3" style="color: rgb(102, 102, 102); text-decoration: none;"> 3</a> <a target=_blank id="L4" href="http://blog.csdn.net/baigoocn/article/details/36188029#L4" rel="#L4" style="color: rgb(102, 102, 102); text-decoration: none;"> 4</a> <a target=_blank id="L5" href="http://blog.csdn.net/baigoocn/article/details/36188029#L5" rel="#L5" style="color: rgb(102, 102, 102); text-decoration: none;"> 5</a> <a target=_blank id="L6" href="http://blog.csdn.net/baigoocn/article/details/36188029#L6" rel="#L6" style="color: rgb(102, 102, 102); text-decoration: none;"> 6</a> <a target=_blank id="L7" href="http://blog.csdn.net/baigoocn/article/details/36188029#L7" rel="#L7" style="color: rgb(102, 102, 102); text-decoration: none;"> 7</a>

import theano.tensor as T from theano import function x = T.dscalar('x') y = T.dscalar('y') z = x + y f = function([x,y],z) print f(2,3)

 来自CODE的代码片

Python_Theano_test.py

在Visual Studio 2012中执行之后可以看到如下的结果：

当看到"Using gpu device 0: GeForce GTX 750 Ti"这样的字眼之后，恭喜你，你搭建的CUDA平台安装配置工作已经完成，接下来就可以进行Deep Learning的学习了。