最近在implement DeepLearning.net上面的程序。对于开源的python，最头疼的就是各种package和各种configuration. 而且还是在windows下。

想要让theano在windows下能GPU并行，总结配置如下：

1. 下载CUDA，安装，重启（重要）！

2. 下载Canopy, 申请academic free lincense.

3. Canopy中下载package, 由于numpy, scipy都集成了，主要下载：pip, mingw, libpython, urllib, theano这几个

4. 在C:\Users\<User name>\ (所谓的Home，或根目录)下建立一个文件 .theanorc.txt或.theanorc， 里面复制如下内容：

[global]

device = gpu

floatX=float32

[nvcc]

flags=-LC:\Users\Sam\AppData\Local\Enthought\Canopy32\User\libs

compiler_bindir=D:\Program Files\Microsoft Visual Studio 10.0\VC\bin

[blas]

ldflags = -LD:\Program Files\Enthought\Canopy32\App\appdata\canopy-1.1.0.1371.win-x86\Scripts -lmk2_core -lmk2_intel_thread -lmk2_rt

　　注意：由于windows下创建文件必须有文件名，这里我们用canopy创建一个文件，然后保存为.theanorc.txt或.theanorc在根目录下(C:\Users\<User name>\).

5. 测试theano环境。

import theano

　　如果不报错，恭喜你已经完成了测试第一步。

6. 运行下面程序。(来自http://deeplearning.net)

from theano import function, config, shared, sandbox

import theano.tensor as T

import numpy

import time

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

iters = 10000

rng = 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' % iters, t1 - t0, 'seconds'

print 'Result is', 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'

　　这时，CUDA的nvcc不断的出现，说明我们的GPU运行已经调试可运行。之后就是本段程序的运行。如果还是CPU，时间大约在20秒左右(跟机器配置相关，我的是E8400)；但如果是GPU，时间大约是0.6秒左右(我的是9800GT)。可见GPU的速度不是一般的快。

还有几个例子下面一起给大家：

数据：MNIST http://deeplearning.net/data/mnist/mnist.pkl.gz

模型：Logistic Regression using Stochastic Gradient Descent http://deeplearning.net/tutorial/code/logistic_sgd.py

　　　Multilayer Perceptron http://deeplearning.net/tutorial/code/mlp.py

　　   Restricted Boltzmann Machine http://deeplearning.net/tutorial/code/rbm.py

　　   Deep Belief Network http://deeplearning.net/tutorial/code/DBN.py

PS1：上面模型的代码中注意改data的路径，这样就可以直接运行了！

PS2：记得把utils.py(http://deeplearning.net/tutorial/code/utils.py)文件拷贝到一个系统环境目录(如C:\Program Files\Enthought\Canopy32\App\appdata\canopy-1.1.0.1371.win-x86\Lib\site-packages)下。