最近使用Theano写了MLP和CNN的程序，由于训练样本大，单靠CPU运算速度so slow；于是乎找到了一台有NVIDIA显卡的电脑进行了GPU的配置使用，期间遇到很多问题，记录如下。
平台说明：
Python：2.7, 建议直接使用 Python(x,y)，包含了Theano需要的Numpy等库，省去自己配置
Theano: 0.6
CUDA：3.0
下载
1 下载安装Theano： easy_install theano
2 下载CUDA：传送门
3 下载驱动、工具包、软件开发包，按顺序安装
注：同学们最好直接下载3.0版的，我最早下的2.3版本，但发现Theano的CUDA模块对2.3的支持很差很差，改了..\theano\sandbox\cuda\下.cu里面的很多代码，比如cudaMemGetInfor（为3.0版本的接口，2.3为cuMemGetInfor，详细见这里)，最终编译没错了，但出现了很难处理的link bug。最终改用3.0后，只改了小部分的代码就成功运行（怎么改后面有说明）。
配置
打开theano的配置文件（一般在用户文件夹的根目录，例如C:\Documents and Settings\Administrator\，名为.theanorc.txt）添加以下配置：
[nvcc]
flags=-LC:\python27\libs
compiler_bindir=C:\program Files\Microsoft Visual Studio 9.0\VC\bin
注：2.3版本的只支持MSVC8.0和MSVC9.0
添加后import theano.sandbox.cuda进行初测，成功后进行下面的配置：
[global]
device = gpu
floatX = float32
最后run theano/misc/check_blas.py来进行测试，或者直接import theano ; theano.test()。
遇到的问题
1 class “cudaDeviceProp” have no conponent of named "concurrentKernels" 跟进cuda_ndarray.cu，在2796行附近有：
#if CUDART_VERSION >= 3000
put_in_dict(dict, "concurrentKernels", deviceProp.concurrentKernels);
#endif
在C:\CUDA下找到cudaDeviceProp的类，看到里面并没有concurrentKernels，虽然vision是3.0的。
解决方案：注释掉上面的部分即可。
2 fatel error C1083:无法打开包括文件:stdint.h: No such file or directory
解决方法：
去googlecode下载http://msinttypes.googlecode.com/files/msinttypes-r26.zip，解压后会得到三个文件，把inttypes.h和stdint.h放到vc的include目录就可以了。
我安装的是VS2008，安装到的默认位置，因此include的路径就是： C:\Program Files\Microsoft Visual Studio 9.0\VC\include。
3 如何查看GPU状态
下载GPUZ即可。
结语
最后成功运行，虽然这台带有NVIDIA的机器很老很老了，但有了GPU的加速，比在我Y470上跑速度快N倍。
GPU，很好很强大。
