2015-11-13 32 views

risposta

39

Non sono sicuro al 100% ma questo può essere un insieme minimo di istruzioni, ma solo se non si desidera utilizzare una GPU. Ottenere Theano per usare una GPU su Windows è un po 'più difficile.

  1. Installare TDM GCC x64.
  2. Installare Anaconda x64.
  3. esecuzione conda update conda.
  4. esecuzione conda update --all.
  5. esecuzione conda install mingw libpython.
  6. Installa Theano (il modo in cui lo fai dipende se vuoi interagire con il codice sorgente Theano o meno, e se vuoi la versione "bleeding edge" o se sei soddisfatto dell'ultimo, ma non più importante pubblicazione).
    1. Older version: ad es. pip install Theano.
    2. Bleeding edge version: ad es. pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git (vedere la documentazione collegata per ulteriori opzioni)

Se si desidera supporto multithreading tramite OpenMP poi le cose si fanno più complicate.

Se si desidera che il supporto della GPU ottenga molto più più complicato.

Le istruzioni di installazione di Windows nella documentazione di Theano sono frammentate al meglio e terribilmente obsolete nel peggiore dei casi. Se hai bisogno di più delle basi che funzionano su Windows, dovrai trovare la strada per trovare un approccio che funzioni per te.

+3

tuo punto 5. installa effettivamente i gcc/g ++ tool-chain con i file header e le librerie di collegamento ecc Nel mio caso il compilatore è stato installato in C: \ Anaconda \ MinGW \ bin. Aggiungendo questa directory alla mia variabile d'ambiente PATH, Theano ha funzionato bene anche senza il passo 1. Correzione – esskov

+7

: Dopo il passo 5, è C: \ Anaconda \ Scripts (o equivalente) che dovrebbe essere aggiunto al PERCORSO, poiché contiene script per chiamare gli strumenti di compilazione e le DLL per GCC. – esskov

+0

Seguendo i tuoi passi, una volta che provo a usare effettivamente theano, ricevo qualcosa del tipo "Il problema si è verificato durante la compilazione con la riga di comando di seguito: ...". – user2717954

3

L'aggiunta del supporto GPU non è che molto più complicato (anche se non intuitivo)

  1. Installare Theano come nella risposta di Daniel Renshaw
  2. Vai alla "From Zero to Lasagne" tutorial, e seguirla dalla sezione Nvidia GPU support (CUDA) con il seguente modifiche:
    • ho installato visual studio 2013 community al posto di Windows SDK
    • E .theanorc dovrebbe essere posto in C:\Users\USERNAME
+0

Posso eseguire un semplice gputest, che di fatto può afferrare la maggior parte della memoria della mia GPU ed è a conoscenza di cuDNN .... tuttavia, quando si cerca di eseguire uno script che utilizza Keras su Theano, sembra che Theano (o forse Keras) voglia tensorflow, e tensorflow vuole Python 3.x piuttosto che 2.7.x ... e questo è quando le cose cominciano a crollare per me : Non sono riuscito a superare quell'ostacolo. – johnjps111

+1

Sono abbastanza sicuro che sia una cosa Keras. Quello che ho postato qui riferimento usa TensorFlow. TF su Windows funziona solo con Pyhton 3.5, quindi installa quella versione se vuoi TF. ** PS ** se non vuoi che Theano acquisisca così tanta memoria GPU cambia il parametro 'cnmem = X'. Se 'X <1', allora è la frazione della memoria della GPU che viene utilizzata. se 'X> 1' è la quantità assoluta di spazio (credo che sia mB) che tu gli dai. –

+0

Grazie per il seguito. Passare a 3.5 ha funzionato. – johnjps111

3

Il trucco è che DOVETE creare un ambiente/spazio di lavoro per PITONE. Questa soluzione dovrebbe funzionare per Python 2.7 ma al momento di scrivere keras può essere eseguito su python 3.5, specialmente se si ha installato l'ultimo anaconda (mi ci è voluto un po 'per capire in modo da delineare i passi che ho fatto per installare KERAS in python 3.5):

- CREA AMBIENTE/AREA DI LAVORO PER PYTHON 3.5:

  1. C:\conda create --name neuralnets python=3.5
  2. C:\activate neuralnets

- installare tutto (notare l'area di lavoro neuralnets tra parentesi su ogni linea). ACCETTARE eventuali dipendenze CIASCUNO DI QUESTI PASSI vuole installare:

  1. (neuralnets) C:\conda install theano
  2. (neuralnets) C:\conda install mingw libpython
  3. (neuralnets) C:\pip install tensorflow
  4. (neuralnets) C:\pip install keras

- TEST IT OUT:

(neuralnets) C:\python -c "from keras import backend; print(backend._BACKEND)" 

Basta ricordare, se si desidera lavorare nello spazio di lavoro si ha sempre a che fare:

C:\activate neuralnets 

in modo da poter lanciare Jypiter per esempio (supponendo che anche voi avete jypiter installato in questo ambiente/spazio di lavoro) come:

C:\activate neuralnets 
(neuralnets) jypiter notebook 

Si può leggere di più sulla gestione e la creazione di ambienti di Conda/spazi di lavoro alla URL follwing: https://conda.io/docs/using/envs.html

+1

Si prega di non pubblicare risposte identiche a più domande. Pubblica una buona risposta, quindi vota/contrassegna per chiudere le altre domande come duplicati. Se la domanda non è un duplicato, * adatta le tue risposte alla domanda. * –

Problemi correlati