自从毕业一来颓废得跟咸鱼一样，嘛，本来就是咸鱼一条= =

但是还是准备好好写下瞎搞 deeplearning 的流水账，嘛，既然要搞♂个新东西，自然要从搭环境开始，先说下我这里的最后开发环境

OS: Windows 10 Professional Build 10586 x64

CPU: Intel64 Family 6 Model 58 Stepping 9 GenuineIntel ~2501 Mhz

GPU: GeForce GT 635M

Microsoft Visual Studio Ultimate 2013 Version 12.0.31101.00 Update 4

g++ (x86_64-posix-seh, Built by MinGW-W64 project) 6.1.0

CUDA Driver Version / Runtime Version 7.5 / 7.5

Python 2.7.12 :: Anaconda 4.1.1 (64-bit)

theano 0.8.2

keras 1.0.6

关于为什么换 python3 到 python2 ，主要是因为不可抗力：自己的二逼电脑总是有稀奇古怪的问题。嘛，似乎 py2 和 py3 也没什么太大的区别。。。实在不行我 import __future__（逃

嘛还是老老实实得从搭环境讲起

MinGW

由于 theano 还有 python 都需要额外独立编译一些东西，所以还是老老实实下一个新的 MinGW 好了。结果才知道，原来都 TM 6.1.0 了……也就是说全面支持 C++14 咯……看这版本号……嘛，M$ 大爷你看看人家！

先跑到 SourceForge 下一个 mingw-w64，因为 32 位的编译器会在后续的过程中编译不了 theano。

安装好之后，测试一下

C:\Users\namae>g++ --version
g++ (x86_64-posix-seh, Built by MinGW-W64 project) 6.1.0
Copyright (C) 2016 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

注意安装过程中会让你选择平台，i686 是 32 位，x86_64 是 64 位，原因就不多提了，毕竟是 amd64 先搞出来的大新闻。安装好了之后务必加入 path 环境变量。如果之前有各种各样的 mingw 的话，请删干净（文件+环境变量设置）。

那么 g++ 6.1.0 必然是支持 c++11 与 c++14 的，光说不做没意思，让我们来测试下到底有没有支持新标准。

先试试 Return type deduction for normal functions，[reference]，为此我们新建两个 cpp，为了方便分别命名为 cpp11.cpp 与 cpp14.cpp

// cpp11.cpp
#include <bits/stdc++.h>

auto f(int a, int b) -> decltype( a + b )
{
    int i = a + b;
    return i;
}

int main()
{
    std::cout << f(1,2) << std::endl;
    return 0;
}

// cpp14.cpp
#include <bits/stdc++.h>

auto f(int a, int b)
    int i = a + b;
    return i;
}

int main()
{
    std::cout << f(1,2) << std::endl;
    return 0;
}

然后分别编译

>g++ cpp11.cpp -o cpp11.exe -std=c++11
>cpp11.exe
3

>g++ cpp14.cpp -o cpp14.exe -std=c++14
>cpp14.exe
3

可见已经支持了 c++14 的关于 auto 的最新要求。

你问我为什么不用 lambda 来测试，因为

我玩不溜啊（逃

Anaconda

由于懒癌晚期，所以我就吊儿郎当的用了 anaconda（虽然并不知道如何发音），唯一的好处就是这个货会帮你把最常用的科学计算库一并打包附赠，包括 numpy，scipy，matplotlib 等，当然还附赠 ipython，简直是懒癌晚期的救星。

但是这里有个很严肃的问题，就是 python 版本的问题。虽然 py2 的退役已经提上台面，而且我已经用 py3 有段时日，本想接着使用 py3，但是没想到就目前而言 py3 有问题：

theano 的 configparser.py 这个文件中第 75 行的代码

config_files = config_files_from_theanorc()
theano_cfg = ConfigParser.SafeConfigParser(
    {'USER': os.getenv("USER", os.path.split(os.path.expanduser('~'))[-1]),

此处的 SafeConfigParser 方法是 py2 专精，新的 py3 已经重写了。虽然说理论上没什么问题，但是在我的电脑上不知为何总是不能正确的 import configparser 这个包，因此所有代码，注意是所有代码运行到 theano.__init__ 的时候都会崩掉，包括 pip 工具。网上的方法是如果用 py3，最好使用 py3.4 这个版本，然后应该没问题。。。

（唉，这届py3.4不行啊

如果你选择的是新的 py3.5 版本，めでたしめでたし，libpython 这个包并不支持 py3.5，网上给的方法是重建一个 py3.4 的环境，然后来搞一个大迁徙……

（你开心就好

最懒癌的方法就是，找到 py2.7 对应的 anaconda，果断下载就行了。

CUDA

既然是搞这个，如果没有战术核显卡，简直就是浪费生命，因为

他根本算不出来啊！

找到 CUDA 官网 ，一步一步按部就班的下载然后安装就行。

注意！所有用 VS2015 社区版的朋友们！CUDA 不支持 VS2015！正确的做法是找 VS2010 或 VS2013，然后下载安装，并且注意整理下 cl.exe 的环境变量。（还好我一如既往的 vs2013 党

安装就绪之后就可以看看你的电脑有多渣了！找到 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\1_Utilities\deviceQuery，然后打开 vs2013 工程文件，编译运行一发就可以观察你的显卡能力了

等吧，N 厂的最新战术核显卡 GTX1080 又便宜又高效，虽然我钱包没钱，但是可以找老板求情啊！我绝对不知道什么是兽王咸丰、吓到列车、实名召唤是什么，我用战术核显卡是为了科学，对，为了科学！（亡语：将一个奥秘从你的牌库中置入战场。

theano & keras

最后的大头，就是两个货了，其实很简单

pip install theano
pip install keras

在安装完theano之后，务必去加一个环境变量 PYTHONPATH，内容为D:\Anaconda2\Lib\site-packages\theano，其中前面是我安装的路径而已，务必自己调节。

等一切就绪，打开 python，输入简单的一句

import theano

如果啥都没发生，屏幕只是划出新的 >>> 提示符

恭喜你，安装成功。

至于样例，嘛，等下一篇吧。。。