需要numpy版本_一文看懂Theano：在GPU上运行性能是NumPy的11倍

导读：NumPy是数据计算的基础，更是深度学习框架的基石。但如果直接使用NumPy计算大数据，其性能已成为一个瓶颈。

随着数据爆炸式增长，尤其是图像数据、音频数据等数据的快速增长，迫切需要突破NumPy性能上的瓶颈。需求就是强大动力！通过大家的不懈努力，在很多方面取得可喜进展，如硬件有GPU，软件有Theano、Keras、TensorFlow，算法有卷积神经网络、循环神经网络等。

作者：吴茂贵，王冬，李涛，杨本法

如需转载请联系华章科技

Theano是Python的一个库，为开源项目，在2008年，由Yoshua Bengio领导的加拿大蒙特利尔理工学院LISA实验室开发。对于解决大量数据的问题，使用Theano可能获得与手工用C实现差不多的性能。另外通过利用GPU，它能获得比CPU上快很多数量级的性能。

至于Theano是如何实现性能方面的跨越，如何用“符号计算图”来运算等内容，本文都将有所涉猎，但限于篇幅无法深入分析，只做一些基础性的介绍。涵盖的主要内容：

• 如何安装Theano。
• 符号变量是什么。
• 如何设计符号计算图。
• 函数的功能。
• 共享变量的妙用。

Theano开发者在2010年公布的测试报告中指出：在CPU上执行程序时，Theano程序性能是NumPy的1.8倍，而在GPU上是NumPy的11倍。这还是2010年的测试结果，近些年无论是Theano还是GPU，性能都有显著提高。

这里我们把Theano作为基础来讲，除了性能方面的跨越外，它还是“符合计算图”的开创者，当前很多优秀的开源工具，如TensorFlow、Keras等，都派生于或借鉴了Theano的底层设计。所以了解Theano的使用，将有助于我们更好地学习TensorFlow、Keras等其他开源工具。

01 安装

这里主要介绍Linux+Anaconda+theano环境的安装说明，在CentOS或Ubuntu环境下，建议使用Python的Anaconda发行版，后续版本升级或添加新模块可用Conda工具。当然也可用pip进行安装。但最好使用工具来安装，这样可以避免很多程序依赖的麻烦，而且日后的软件升级维护也很方便。

Theano支持CPU、GPU，如果使用GPU还需要安装其驱动程序如CUDA等，限于篇幅，这里只介绍CPU的，有关GPU的安装，大家可参考：

http://www.deeplearning.net/software/theano/install.html

以下为主要安装步骤：

1. 安装anaconda

从anaconda官网下载Linux环境最新的软件包，Python版本建议选择3系列的，2系列后续将不再维护。

anaconda官网：

https://www.anaconda.com/download/

下载文件为一个sh程序包，如Anaconda3-4.3.1-Linux-x86_64.sh，然后在下载目录下运行如下命令：

bash Anaconda3-4.3.1-Linux-x86_64.sh

安装过程中按enter或y即可，安装完成后，程序提示是否把anaconda的binary加入到.bashrc配置文件中，加入后运行python、ipython时将自动使用新安装的Python环境。

安装完成后，你可用conda list命令查看已安装的库：

conda list

安装成功的话，应该能看到numpy、scipy、matplotlib、conda等库。

2. 安装theano

利用conda 来安装或更新程序：

conda install theano

3. 测试

先启动Python，然后导入theano模块，如果不报错，说明安装成功。

$ PythonPython 3.6.0 |Anaconda custom (64-bit)| (default, Dec 23 2016, 12:22:00) [GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linuxType "help