win10 下python3.6 安装theano 出现下面问题

Kerberos的配置文件只有两个。在Hadoop1中创建以下两个文件,并同步/etc/krb5.conf到所有机器。

默认放在 /usr/local/var/krb5kdc。

或者通过覆盖KRB5_KDC_PROFILE环境变量修改配置文件位置。

如果您是开启了打补丁的功能，短时间有反映就等等。如果总是不动，这是打补丁时死机了，没有更好的方法，只有按开关机键关机在开机了（在不可以就要拔电源了，如果进不了系统就要重装了）。

系统打补丁的功能需要自动连网，这个功能本身也不好用，经常出错，没有更好的方法。

建议将自动更新关闭，用软件更新，自己的时间自己做主，现这的杀毒软件都有打补丁的功能，比如：360、金山、QQ电脑管家等。

关闭自动更新的方法：

控制面板/系统和安全/WindowsUpdate（左边）更改设置/把重要更新下面的选项改为，从不检查更新即可（Win78）。

1. 首先安装python，我选择安装Anaconda （Windows 64-Bit Python 2.7 Graphical Installer 下载地址）。

Anaconda的一些命令（在Anaconda的命令行窗口输入）：

conda list #该命令，将列出Anaconda安装的所有应用包，我们可以看到Anaconda已经安装了numpy, nose, pip, python, scipy, mingw等等。

conda install <pkg name>#该命令用于安装应用包，如 conda install numpy.

pip install <pkg name>#该命令用于安装应用包，如 pip install theano.

conda update <pkg name>#升级应用包，如 conda update python

2. 安装Theano，在Anaconda 的命令窗口中输入 pip install theano，可以看到程序开始下载安装包，并检查是否满足安装条件：numpy>=1.5.0，scipy>=0.7.2，满足条件之后开始运行setup.py安装theano，安装完成后会显示Successfully installed theano。

3. 测试Theano安装情况。

（1）在ipython中输入以下两行代码：

import theano

theano.test()

会显示theano的版本号，安装位置，已经其他包的安装版本，如numpy,nose,python等。

在运行中出现g++不是内部或外部命令，也不是可运行的程序或批处理文件。

（2）在Anaconda的命令行窗口输入：python Lib\site-packages\theano\tests\run_tests_in_batch.py

显示unable to find theano-nose，查看run_tests_in_batch.py发现，其中路径设置为在bin下寻找theano-nose文件，而实际上Anaconda文件夹下根本没有bin这个文件夹，theano-nose存放在Scripts文件夹中。

》》》尝试1：将Scripts更名为bin，重新运行这句命令，可以成功运行。但是出现一个warning，提示没有检测到g++，所以无法运行优化后的C代码版本，只能执行python版本。

该种尝试的结果是，下次打开Anaconda 命令窗口后出现错误，因为其运行路径为Scripts，所以还是不要修改了。

（3）g++问题。我们打开MinGW文件夹，可以很清楚的看到有g++，但是为什么使用不了呢？？在Anaconda 命令窗口中输入g++也能成功调用g++.exe啊。所以结论是，鉴于这个代码中出现很明显的漏洞，所以说不定这里也是错误，先不管这些了。

试着做了以下配置，也不知行不行。

添加环境变量:path: C:\Anaconda\MinGW\binC:\Anaconda\MinGW\x86_64-w64-mingw32\lib

新建环境变量： PYTHONPATH: C:\Anaconda\Lib\site-packages\theano

在home目录下（cmd可以看到，我的是C:\Users\Administrator），创建 .theanorc.txt 文件内容如下：

[global]

openmp=False

[blas]

ldflags=

[gcc]

cxxflags = -IC:\MinGW\include

（4）验证BLAS是否安装成功。由于numpy是依赖BLAS的，如果BLAS没有安装成功，虽然numpy亦可以安装，但是无法使用BLAS的加速。验证numpy是否真的成功依赖BLAS编译，用以下代码试验：

>>>import numpy

>>>id(numpy.dot) == id(numpy.core.multiarray.dot)

False

结果为False表示成功依赖了BLAS加速，如果是Ture则表示用的是python自己的实现并没有加速。

---