Ставим Theano на Windows

Posted by Vasiliy Zemlyanov on March 9, 2017

Theano — популярная библиотека для работы с нейронными сетями. И как многие полезные Machine Learning инструменты, на Windows она просто так не ставится.

В заметке описан самый простой из известных мне на данный момент способов установки Theano на Windows, благодаря которому у меня получилось поставить на Python 3.5 x64 пакет Theano 0.9.0.rc3 с работающей поддержкой GPU, система win8.1 x64.

Еще можно воспользоваться официальной документацией или альтернативной инструкцией.

Установка Theano

1. Нам понадобится Conda, которая идет в пакете Anaconda для ML в Python. Я использую Anaconda 3 и Python 3.5.

2. В консоли ставим нужные пакеты.

conda install mingw libpython

3. Клонируем репозиторий Theano. (Естественно понадобится Git)

git clone https://github.com/Theano/Theano.git

4. Устанавливаем Python пакет.

cd Theano
python setup.py install

Готово.

Theano должен быть установлен. Для проверки корректности можно попробовать выполнить простой скрипт в интерпретаторе.

>>> 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)
>>> f(2, 3)
# array(5.0)

Если выполнилось — Theano нормально установлен. Но работает он только на процессоре (CPU), значит сети будут считаться очень медленно. Настроим работу с видеокартой (GPU).

Настраиваем работу Theano с GPU

1. Нам понадобится Visual Studio. Я использовал Enterprise edition 2013. Можно попробовать использовать Community version студии и MS SDK for Win7. VS 2015 использовать не стоит, она не поддерживает CUDA .

2. Устанавливаем CUDA 7.5 Toolkit. Придется зарегистрироваться на сайте NVidia.

3. Добавляем в домашнюю директорию пользователя (например C:\Users\re9ulus) файл .theanorc.txt с содержимым:

#!sh
[global]
device = gpu
floatX = float32
[nvcc]
compiler_bindir=D:\soft\dev\vs2013\VC\bin

где compiler_bindir — путь к папке bin в установленной Visual Studio.

Готово. Теперь Theano должна использовать GPU. Проверить можно с помощью примера из официальной документации:

from theano import function, config, shared, sandbox
import theano.sandbox.cuda.basic_ops
import theano.tensor as T
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), 'float32'))
f = function([], sandbox.cuda.basic_ops.gpu_from_host(T.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,))
print("Numpy result is %s" % (numpy.asarray(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')