本文參考了網路上其它文件，具體不再一個個致謝，前輩們都是強大的指明燈！根據自己的具體情況進行了修改或勘誤，血淚之作，僅供菜鳥借鑑使用，注意，菜鳥，高手就不要瞎BB了。
（明明很簡單的事情，但是作為新手，這玩意居然折騰了倫家好幾天，有些不開心）

1. 安裝VS2013。
   倫家的VS2013為中文版。
   （實驗室那個盜版的VS2013不知道哪裡缺檔案，並不能用；VS2015的社群版本不支援cross，也就算了，裝了VS2015的專業版，不知道哪裡出問題，居然連介面都進不去，有點憤怒的feel…）

2. 安裝cuda_8.0。
   官網下載直接next安裝，需要記住安裝的路徑，不講。以前的版本分sdk、doc、toolkit三個安裝部分，新的變成了Samples、doc、Development，其實木有太大區別，Samples=sdk。
   （然而作為菜鳥的我，第一次安裝的時候，根據網上歷史版本的教程居然不知道哪個是哪個，需要注意的是，如果安裝後需要解除安裝一定要解除安裝乾淨，登錄檔要刪了，不然下次一定提示你library目錄安裝不了）

3. 設定環境變數：
   安裝完畢後，在計算機上點右鍵，開啟屬性->高階系統設定->環境變數，可以看到系統中多了CUDA_PATH和CUDA_PATH_V8_0兩個環境變數，接下來，還要在系統中新增以下幾個環境變數：
   　　CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
   　　CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
   　　CUDA_BIN_PATH = %CUDA_PATH%\bin
   　　CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
   CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
   倫家的安裝路徑是預設的，所以新增的路徑分別是下面這樣的：
   CUDA_PATH
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
   CUDA_PATH_V8_0
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
   CUDA_SDK_PATH
   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
   CUDA_LIB_PATH
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
   CUDA_BIN_PATH
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
   CUDA_SDK_BIN_PATH
   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64
   CUDA_SDK_LIB_PATH
   C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64
   然後，在系統變數 PATH 的末尾新增：
   　;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
   ；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；
   重新啟動計算機。
   至此，cuda的安裝就搞定了。

4. 監測cuda安裝成功與否:
   這個步驟用到兩個東西，都是cuda為我們準備好的: deviceQuery.exe 和 bandwithTest.exe
   首先啟動cmd DOS命令視窗
   預設進來的是c:\users\Admistrator>路徑，輸入 cd .. 兩次，來到c:目錄下
   輸入dir 找到安裝的cuda資料夾
   
   直接執行bandwidthTest.exe
   該檔案的路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
   
   再執行deviceQuery.exe
   該檔案的路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
   

   
   
   Rsult=PASS及說明，都通過了。如果Rsult=Fail 那不好意思，重新安裝吧。

5. 配置VS 2013
   　　5.1 啟動VS2013
   5.2 新建一個win32的控制檯工程，空的。
   
   倫家的儲存路徑：c:\users\lvfeiya\documents\visual studio 2013\Projects
   

5.3 右鍵原始檔資料夾->新建項->選擇cuda c/c++- Header>新建一個以.cu結尾的檔案

儲存路徑：
c:\Users\lvfeiya\documents\visual studio 2013\Projects\sevenCuda\sevenCuda\
　　5.4 右鍵sevenCuda-》生成依賴項-》生成自定義-》選擇cuda生成

　　5.5 右鍵test.cu-》屬性-》選擇cuda c/c++編譯器

5.6 右鍵工程-》屬性-》連結器-》常規-》附加庫目錄-》新增目錄 $(CUDA_PATH_V5_5)\lib\$(Platform);

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib(Platform)
$(CUDA_PATH_V8_0)\lib\$(Platform);

（倫家也不知道究竟是上面的還是下面的格式，，，反正倫家新增的是下面的）

　　5.7 在連結器-》輸入中新增 cudart.lib

　　5.8 在工具-》選項-》文字編輯器-》副檔名-》新增cu \cuh兩個副檔名
這個設定是讓VS2010編輯.cu檔案時，把.cu檔案裡的C/C++語法高亮。在VS2013的選單 依次點選：Tools->Options…->Text Editor->File Extension，新增.cu和.cuh，使之採用C++編輯器。

至此，編譯環境的相關搭建就完成了。

1. 安裝Anaconda
   Anaconda包含了Theano所需的各種Python庫，用它來安裝Python環境的確非常方便，安裝的時候勾選把Anaconda加到環境變數中。Anaconda的位數要跟你的cuda版本一樣，選擇的都是64 bit。
   安裝目錄我用的E:\Anapy2。
   安裝完檢查一下，開啟cmd命令列：
   
   裝完以後彆著急下一步：
   驗證BLAS是否安裝成功
   由於numpy是依賴BLAS的，如果BLAS沒有安裝成功，雖然numpy亦可以安裝，但是無法使用BLAS的加速。驗證numpy是否成功依賴BLAS編譯：
   python

   import numpy
   id(numpy.dot) == id(numpy.core.multiarray.dot)
   False
   結果為False表示成功使用BLAS加速，如果是Ture則表示用的是python的實現，沒有加速。 狀況不解決的話，之後theano庫跑一些例子會爆類似cannot find -lf77blas-lcblas-latlas的錯誤.簡單處理：重灌
   （倫家這個居然怎麼弄都是false，~~(>_<)~~，教程裡都是騙人的，倫家試了，重灌無效）
   也可以考慮MKL（收費的）和OpenBLAS。
   這裡給出兩個庫的一些安裝方面的部落格和討論帖：
   http://ijiaer.com/python-with-mkl-hpc/（mkl）
   https://www.kaggle.com/c/otto-group-product-classification-challenge/forums/t/13973/a-few-tips-to-install-theano-on-windows-64-bits/93135（OpenBLAS）

2. 安裝MingW
   貌似Anaconda-2.之前的版本是內建了MinGW環境的，之後就不帶MinGW了。（檢視C:\Anaconda下有無MinGW目錄）
   安裝方法：

3. 開啟CMD（注意是windows命令提示符，並不是進入到python環境下）；
4. 輸入conda install mingw libpython，然後回車，會出現安裝進度，稍等片刻即可安裝完畢。此時就有C:\Anaconda\MinGw目錄了。 （網速一定要好，網速不好會出現一串的false）
   可在windows命令列中輸入g++ -v來檢視是否安裝成功：
   
   環境配置
   1). 編輯使用者變數中的path變數，在後邊追加C:\Anaconda;C:\Anaconda\Scripts; 不要漏掉分號，此處需要根據自己的安裝目錄填寫。
   倫家的路徑：E:\Anapy2; E:\Anapy2\Scripts
   2). 在你的系統環境變數裡面的path中加入 C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib即可。
   E:\Anapy2\MinGW\bin; E:\Anapy2\MinGW\x86_64-w64-mingw32\lib
   在系統變數中新建變數PYTHONPATH，變數值為C:\Anaconda\Lib\site-packages\theano;
   PYTHONPATH
   E:\Anapy2\Lib\site-packages\theano;
   此處就是指明安裝的theano的目錄是哪，theano會在後面安裝，正常安裝的預設路徑就是這個。
   3). 開啟cmd，會看到窗口裡邊有個路徑C:\Users\FYB>，即home目錄，在此目錄下新建 .theanorc.txt 檔案（作為theano的配置檔案，注意名字中的第一個“.”，如果已經存在，則直接修改該檔案），設定如下內容：
   所謂cmd的home目錄：開啟cmd時，在>前面的預設路徑：
   
   [global]
   openmp=False
   [blas]
   ldflags =
   [gcc]
   cxxflags = -ID:\Anaconda\MinGW\include
   cxxflags = -IE:\Anapy2\MinGW
   一定要是你安裝的Anaconda的路徑，一定不要弄錯，否則找不到MinGw。
   重啟電腦！

5. 測試theano是否安裝成功
   測試方法1 ：
   import theano
   print theano.config.blas.ldflags
   
   沒有出錯(沒有返回值)則說明已經配置成功。
   其實單單是import theano不報錯就已經謝天謝地了。
   測試方法2
   用下面的指令測試（測試時會有其他錯誤提示或是warnings，但基本上還能執行的話則說明theano沒問題，錯誤提示可能是有些東西還沒安裝好）：
   import theano
   theano.test()
   執行：
   
   測試時示沒有nose-parameterized這個模組，安裝方法：
   pip install nose-parameterized
   注意：測試2必須在cpu下執行，如果配置了theano的device = gpu，則測試2就不能運行了。

6. 使用GPU
   上面的theano配置只是完成了上半部分，這個時候還不能進行gpu加速。如果使用GPU則需要繼續以下步驟：
   Theano檔案配置(GPU)——編輯Theano的配置檔案.theanorc.txt , 新增如下內容：
   [global]
   openmp = False
   device = gpu
   floatX = float32
   allow_input_downcast = True
   base_compiledir = path_to_a_directory+without_such_characters
   [blas]
   ldflags =
   [gcc]
   cxxflags=-IE:\Anapy2\MinGW
   [nvcc]
   fastmath = True
   flags = -LE:\Anapy2\libs
   compiler_bindir = H:\VS2013\VC\bin
   [lib]
   cnmem=.75
   在Python中執行”import theano.sandbox.cuda”. 將會編譯第一個Cuda檔案, 應當沒有錯誤產生。

7. 測試是否使用GPU
   測試方法1：
   import theano
   
   講道理，出現紅框就說明已經配置好了！
   如果是CNMeM is disabled，就是因為你沒有在Theano的配置檔案.theanorc.txt裡面新增
   [lib]
   cnmem=.75
   如果就cuDNN不能用，就需要去官網下載cuDNN，需要先註冊，下載以後把解壓後的三個子檔案分別新增到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0下面相應的bin、lib、include檔案裡。（很奇怪的是在沒有新增之前是沒有出現籃框裡面的bug和警告的，新增以後就出現警告了，而且無解，前輩們都說這個不影響執行，然後寶寶每次看到這些都感覺心裡苦極了）
   編譯目標GPU指令集的命令選項
   -arch: 指定nvcc編譯目標GPU的型號，可以為“real” GPU，也可以為“virtual” PTX架構。這個選項指定了nvcc編譯到PTX階段的目標架構，而-code選項指定了nvcc最後階段生成的執行時程式碼的目標架構。現階段支援的架構型別有：virtual 架構 compute_10, compute_11, compute_12, compute_13和實現這些虛架構的real GPU sm_10, sm_11, sm_12, sm_13.
   測試方法2：
   啟動Spyder，下面的Theano GPU加速測試案例程式碼並執行
   • #!/usr/bin/env python
   • # -- coding: utf-8 --
   •
   • “””
   • 功能：測試是否使用GPU
   • 時間：2016年6月10日 11:20:10
   • “””
   •
   • 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 = 1000
   •
   • 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 range(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’)
   如果出現下圖所示的執行結果，其中有一條“Used the gpu”資訊輸出，表明Theano GPU加速測試成功。
   
   有木有發現我這裡記憶體很高，關閉spyder，再從電腦左下角的程式那裡開啟，竟然載入不動，不是kernal failed就是進不去介面，不知道是什麼么蛾子，果斷cmd命令列解除安裝重灌，然而並木有鳥用！但是可以從Anaconda的安裝檔案裡找到spyder.exe檔案（路徑是：E:\Anapy2\Scripts），傳送快捷方式到桌面再開啟，搞定！倫家估計是因為前面重灌了好幾次Anaconda，可能登錄檔啥子的木有刪除完全。
   終於剩下兩個不影響使用的bug:
   1， 不能使用blas加速；
   2， Python執行的時候會提示DEBUG: nvcc STDOUT nvcc warning.

Bingo ！！！