4. 要求
譯者：Python 文檔協作翻譯小組，原文：Requirements。
本文以 CC BY-NC-SA 4.0 協議發布，轉載請保留作者署名和文章出處。
Python 文檔協作翻譯小組人手緊缺，有興趣的朋友可以加入我們，完全公益性質。交流群：467338606。
注意
我們只支持通過conda安裝要求的軟件包。
Python 2 >= 2.6 或 Python 3 >= 3.3
建議使用開發包（在大多數Linux發行版上為
python-dev或python-devel）（見下文）。0.6及以前的版本支持Python 2.4。0.8.2及以前的版本支持Python 2.6。對于Python 3，支持3.3之后的版本。NumPy >= 1.9.1 < 1.11.1
早期版本可以工作，但我們沒有測試。
SciPy >= 0.14 < 0.17.1
當前只有稀疏矩陣和特殊功能需要，但強烈推薦。SciPy > = 0.8可以工作，但早期版本對稀疏矩陣有已知的錯誤。
BLAS安裝（具有Level 3的功能）
- 推薦：MKL，通過Conda免費安裝。
- 或者，我們建議安裝OpenBLAS，其中包含development headers（
-dev，-devel，具體取決于你的Linux發行版本）。
可選要求
g++（Linux和Windows），clang（OS X）強烈推薦。Theano可以回退基于NumPy的Python執行模型，但C編譯器允許更快的執行。
nose >= 1.3.0
推薦，用于運行Theano的測試套件。
用于構建文檔。LaTeX和dvipng也是必需的，用于將數學符號顯示為圖像。
處理大的gif/images圖片。
強烈推薦在NVIDIA gpus上生成/執行GPU代碼時需要。參見下面的說明。
在CUDA和OpenCL設備上生成GPU/CPU代碼時需要（參見：GpuArray Backend。）
通過Conda安裝的要求的軟件包（推薦）
安裝Miniconda
按照此鏈接安裝Miniconda。
注意
如果你想要編譯的代碼更快（推薦），確保你安裝了g++（Windows/Linux）或Clang（OS X）。
安裝要求的軟件包和可選的軟件包
conda install numpy scipy mkl <nose> <sphinx> <pydot-ng>
- <...>之間的參數是可選的。
安裝Miniconda
按照此鏈接安裝Miniconda。
注意
如果你想要編譯的代碼更快（推薦），確保你安裝了g++（Windows/Linux）或Clang（OS X）。
安裝要求的軟件包和可選的軟件包
conda install numpy scipy mkl <nose> <sphinx> <pydot-ng>
- <...>之間的參數是可選的。
安裝和配置GPU驅動程序（推薦）
警告
現在OpenCL仍然是最小支持。
-
安裝CUDA驅動程序
- 按照此鏈接安裝CUDA驅動程序和CUDA工具包。
- 你必須在驅動程序安裝后重新啟動計算機。
- 測試在重新啟動之后可以正確加載它，從命令行執行命令
nvidia-smi。
注意
正確性檢查：bin子文件夾應包含nvcc程序。此文件夾稱為cuda root目錄。
-
修復'lib'路徑
- 添加'lib'子目錄（如果你有一個64位操作系統，則為“lib64”子目錄）到你的
$LD_LIBRARY_PATH環境變量。
- 添加'lib'子目錄（如果你有一個64位操作系統，則為“lib64”子目錄）到你的
-
設置Theano的配置標志
要使用GPU，你需要定義cuda root。你可以通過以下方式之一：
- 定義一個$CUDA_ROOT環境變量等于cuda根目錄，如
CUDA_ROOT=/path/to/cuda/root，或 - 向
THEANO_FLAGS添加cuda.root標記，如THEANO_FLAGS='cuda.root=/path/to/cuda/root'，或 - 添加一個[cuda]節到你的.theanorc文件，包含選項
root = /path/to/cuda/root。
- 定義一個$CUDA_ROOT環境變量等于cuda根目錄，如
