聲明
本教程不得用于任何形式的商業(yè)用途，如果需要轉(zhuǎn)載請與作者SCP-173聯(lián)系，如果發(fā)現(xiàn)未經(jīng)允許復(fù)制轉(zhuǎn)載，將保留追求其法律責(zé)任的權(quán)利。
這里需要說明一下，筆者不建議在Windows環(huán)境下進行深度學(xué)習(xí)的研究，一方面是因為Windows所對應(yīng)的框架搭建的依賴過多，社區(qū)設(shè)定不完全；另一方面，Linux系統(tǒng)下對顯卡支持、內(nèi)存釋放以及存儲空間調(diào)整等硬件功能支持較好。如果您對Linux環(huán)境感到陌生，并且大多數(shù)開發(fā)環(huán)境在Windows下更方便操作的話，希望這篇文章對您會有幫助。
關(guān)于計算機的硬件配置說明推薦配置
如果您是高校學(xué)生或者高級研究人員，并且實驗室或者個人資金充沛，建議您采用如下配置：
主板：X99型號或Z170型號CPU: i7-5830K或i7-6700K 及其以上高級型號內(nèi)存：品牌內(nèi)存，總?cè)萘?2G以上，根據(jù)主板組成4通道或8通道SSD： 品牌固態(tài)硬盤，容量256G以上顯卡：NVIDIA GTX 1080、NVIDIA GTX TITAN、NVIDIA GTX 1070、NVIDIA GTX 1060 (順序為優(yōu)先建議，并且建議同一顯卡，可以根據(jù)主板插槽數(shù)量購買多塊，例如X99型號主板最多可以采用×4的顯卡)電源：由主機機容量的確定，一般有顯卡總?cè)萘亢笤偌?00W即可最低配置
如果您是僅僅用于自學(xué)或代碼調(diào)試，亦或是條件所限僅采用自己現(xiàn)有的設(shè)備進行開發(fā)，那么您的電腦至少滿足以下幾點：
CPU：Intel第三代i5和i7以上系列產(chǎn)品或同性能AMD公司產(chǎn)品內(nèi)存：總?cè)萘?G以上CPU說明大多數(shù)CPU目前支持多核多線程，那么如果您采用CPU加速，就可以使用多線程運算。這方面的優(yōu)勢對于服務(wù)器CPU集群和多核并行CPU尤為關(guān)鍵顯卡說明如果您的顯卡是非NVIDIA公司的產(chǎn)品或是NVIDIA GTX系列中型號的第一個數(shù)字低于4或NVIDIA的GT系列，都不建議您采用此類顯卡進行加速計算，例如NVIDIA GT 910、NVIDIA GTX 450 等等。如果您的顯卡為筆記本上的GTX移動顯卡（型號后面帶有標(biāo)識M），那么請您慎重使用顯卡加速，因為移動版GPU很容易發(fā)生過熱燒毀現(xiàn)象。如果您的顯卡，顯示的是諸如 HD5000,ATI 5650 等類型的顯卡，那么您只能使用CPU加速如果您的顯卡為Pascal架構(gòu)的顯卡（NVIDIA GTX 1080,NVIDIA GTX 1070等），您只能在之后的配置中選擇Visual Studio 2015和CUDA 8.0基本開發(fā)環(huán)境搭建1. Microsoft Windows 版本
關(guān)于Windows的版本選擇，本人強烈建議對于部分高性能的新機器采用Windows 10作為基礎(chǔ)環(huán)境，部分老舊筆記本或低性能機器采用Windows 7即可，本文環(huán)境將以Windows 10作為開發(fā)環(huán)境進行描述。對于Windows 10的發(fā)行版本選擇，筆者建議采用Windows_10_enterprise_2016_ltsb_x64作為基礎(chǔ)環(huán)境。
這里推薦到MSDN我告訴你下載，也感謝作者國內(nèi)優(yōu)秀作者雪龍狼前輩所做出的貢獻。
直接貼出熱鏈，復(fù)制粘貼迅雷下載：
ed2k://|file|cn_windows_10_enterprise_2016_ltsb_x64_dvd_9060409.iso|3821895680|FF17FF2D5919E3A560151BBC11C399D1|/2. 編譯環(huán)境Microsoft Visual Studio 2010 - 2015
(安裝CPU版本非必須安裝)
CUDA編譯器為Microsoft Visual Studio，版本從2010-2015，其中cuda7.5僅支持2010、2012、2013，cuda8.0僅支持2015版本，本文采用Visual Studio 2015 Update 3。同樣直接貼出迅雷熱鏈：
ed2k://|file|cn_visual_studio_professional_2015_with_update_3_x86_x64_dvd_8923256.iso|7745202176|DD35D3D169D553224BE5FB44E074ED5E|/
3. Python環(huán)境
python環(huán)境建設(shè)推薦使用科學(xué)計算集成python發(fā)行版Anaconda，Anaconda是Python眾多發(fā)行版中非常適用于科學(xué)計算的版本，里面已經(jīng)集成了很多優(yōu)秀的科學(xué)計算Python庫。對于搞科學(xué)計算與深度學(xué)習(xí)的朋友們，建議安裝Anconda2.7版本，如果您喜歡使用Anaconda3.5版本也沒有太大問題，關(guān)于很多早期的python3.5不兼容問題現(xiàn)在已經(jīng)全部解決，本文默認使用Anaconda2.7
下載地址： Anaconda
4. GCC編譯環(huán)境
gcc/g++是Windows環(huán)境與Linux環(huán)境非常大的一個差別點。不管是cpu版本還是gpu版本都需要安裝GCC編譯環(huán)境。本文提供兩種解決方案：
MinGW Minimalist GNU for Windows，安裝好Anaconda之后在CMD或者Powershell中輸入：conda install mingw libpythonMSYS2 一部分讀者自己本身已經(jīng)具有了Python環(huán)境，再安裝Anaconda會造成很大的不便，那么本文推薦安裝MSYS2，網(wǎng)站上有詳細的如何安裝的說明，本文不再贅述。 5. CUDA
(僅使用CPU版本不必安裝)CUDA Toolkit是NVIDIA公司面向GPU編程提供的基礎(chǔ)工具包，也是驅(qū)動顯卡計算的核心技術(shù)工具。直接安裝CUDA8.0即可下載地址：developer.nvidia/cuda-downloads
在下載之后，按照步驟安裝，不建議新手修改安裝目錄，同上，環(huán)境不需要配置，安裝程序會自動配置好。
6. （可選）加速庫CuDNN
從官網(wǎng)下載需要注冊賬號申請，兩三天批準(zhǔn)。網(wǎng)盤搜索一般也能找到最新版。 Windows目前就是cudnn-7.0-win-x64-v5.0-prod.zip。 下載解壓出來是名為cuda的文件夾，里面有bin、include、lib，將三個文件夾復(fù)制到安裝CUDA的地方覆蓋對應(yīng)文件夾，默認文件夾在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
Keras 框架搭建安裝
Keras深度學(xué)習(xí)框架是基于Theano或Tensorflow框架安裝的，所以首先要準(zhǔn)備底層框架的搭建，然而目前Tensorflow不支持Windows版本，所以本文選用Theano安裝即可在CMD命令行或者Powershell中輸入：
pip install theano -U --prepip install keras -U --pre
或者想要加速開發(fā)版本，用（前提是已經(jīng)git, conda install git）
pip install --upgrade --no-deps git+git://github/Theano/Theano.git環(huán)境配置
在我的電腦上右鍵->屬性->高級->環(huán)境變量->系統(tǒng)變量中的path，添加
C:\Anaconda2;C:\Anaconda2\scripts;C:\Anaconda2\MinGW\bin;C:\Anaconda2\MinGW\x86_64-w64-mingw32\lib;
注意，本文將Anaconda安裝至C盤根目錄，根據(jù)自己的情況進行修改；另外在之前安裝gcc/g++時采用MSYS2方式安裝的，修改并重新定位MinGW文件夾，并做相應(yīng)修改。
之后并新建變量PYTHONPATH，并添加
C:\Anaconda2\Lib\site-packages\theano;修改默認后端
打開C:\Users\當(dāng)前用戶名\.keras,修改文件夾內(nèi)的keras.json文件如下：
{'image_dim_ordering':'th','epsilon':1e-07,'floatx':'float32','backend':'theano'}Theano加速配置在用戶目錄，也就是C:\Users\當(dāng)前用戶名\，新建.theanorc.txt。 這個路徑可以通過修改Theano的configparser.py來改變。Theano裝在Anaconda\Lib\site-packages里 .theanorc.txt的內(nèi)容：[global]openmp=False device = gpu optimizer_including=cudnn #不用cudnn的話就不要這句，實際上不用加，只要剛剛配置到位就行 floatX = float32 allow_input_downcast=True [lib]cnmem = 0.8 #theano黑科技，初始化顯存比例[blas]ldflags= #加速庫[gcc]cxxflags=-IC:\Anaconda2\MinGW [nvcc]fastmath = True --flags=-LC:\Anaconda2\libs #改成自己裝的目錄--compiler_bindir=D:\Microsoft Visual Studio 12.0\VC\bin #改成自己裝的目錄#最后記得把漢字全刪了
如果您的所安裝的是CPU加速版本，那么.theanorc.txt文件配置如下：
[global]openmp=True device = cpu floatX = float32 allow_input_downcast=True [gcc]cxxflags=-IC:\Anaconda2\MinGW
之后可以驗證keras是否安裝成功,在命令行中輸入Python命令進入Python變成命令行環(huán)境：
>>>import kerasUsing Theano(Tensorflow) backend.>>>
沒有報錯，那么Keras就已經(jīng)成功安裝了
加速測試環(huán)境測試
在命令行中進入Python環(huán)境，輸入：
import theano
會出現(xiàn)一系列信息，包括顯卡型號、浮點數(shù)類型、是否采用CNmem和cuDNN（如果使用了的話）等等，那么恭喜你，環(huán)境徹底配置成功。如果使用了Windows系統(tǒng)的讀者，電腦上可能會出現(xiàn)，debug的字樣，這是第一次使用，在編譯生成運行庫，屬于正常現(xiàn)象。
加速庫測試
Python環(huán)境下輸入：
import numpy id(numpy.dot) == id(numpy.core.multiarray.dot)
如果得到的結(jié)果為False，說明你的除了gpu加速還得到了數(shù)學(xué)庫blas加速，按照教程順序配置的Linux用戶是一定可以得到False結(jié)果的；Windows用戶得到True也沒有關(guān)系，因為Anaconda中已經(jīng)內(nèi)置了MKL加速庫，如果想使用Openblas可以按照文末的聯(lián)系方式聯(lián)系我。
速度測試
新建一個文件test.py，內(nèi)容為：
from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport timevlen = 10 * 30 * 768 # 10 x #cores x # threads per core #這里可以加一兩個0，多測試一下，記得去掉漢字 iters = 1000rng = numpy.random.RandomState(22)x = shared(numpy.asarray(rng.rand(vlen), config.floatX))f = function([], T.exp(x))print(f.maker.fgraph.toposort())t0 = time.time()for i in xrange(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, T.Elemwise) for x in f.maker.fgraph.toposort()]): print('Used the cpu')else: print('Used the gpu')
在GTX 970顯卡下，輸出結(jié)果大概是0.21秒，在一百倍運算量下19秒，可以進行對比。理論上，相比較主頻為3.3GHz的CPU，加速比應(yīng)該是75倍，但不同的ssd和內(nèi)存限制了IO接口傳輸速度。
Keras中mnist數(shù)據(jù)集測試
下載Keras開發(fā)包
git clone github/fchollet/keras.gitcd keras/examples/python mnist_mlp.py
程序無錯進行，至此，keras安裝完成。
一個Anaconda3中配置遇到的異常解決方式
目前發(fā)現(xiàn)使用Anaconda3安裝theano時可能會有一個沖突：
AttributeError：module ‘configparser’ has no attribute ‘SafeConfigParser’
暫時只有用以下方法處理：
對Anaconda3\Lib\site-packages\theano\configparser.py更改文件名，比如改為config_parser.py，在pycharm或其他IDE中隨意運行一個cnn腳本，對遇到的每一個提示錯誤手動更改引用到的文件名為theano.config_parser，在將所有引用到這個文件的位置都改正后，應(yīng)該就沒有問題了。
聲明與聯(lián)系方式
由于作者水平和研究方向所限，無法對所有模塊都非常精通，因此文檔中不可避免的會出現(xiàn)各種錯誤、疏漏和不足之處。如果您在使用過程中有任何意見、建議和疑問，歡迎發(fā)送郵件到scp173.cool@gmail與中文文檔作者取得聯(lián)系.
本教程不得用于任何形式的商業(yè)用途，如果需要轉(zhuǎn)載請與作者或中文文檔作者聯(lián)系，如果發(fā)現(xiàn)未經(jīng)允許復(fù)制轉(zhuǎn)載，將保留追求其法律責(zé)任的權(quán)利。
