4. 要求
译者：Python 文档协作翻译小组，原文：Requirements。
本文以 CC BY-NC-SA 4.0 协议发布，转载请保留作者署名和文章出处。
Python 文档协作翻译小组人手紧缺，有兴趣的朋友可以加入我们，完全公益性质。交流群：467338606。
注意
我们只支持通过conda安装要求的软件包。
Python 2 >= 2.6 或 Python 3 >= 3.3
建议使用开发包（在大多数Linux发行版上为
python-dev或python-devel）（见下文）。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。对于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，但我们没有测试。
SciPy >= 0.14 < 0.17.1
当前只有稀疏矩阵和特殊功能需要，但强烈推荐。SciPy > = 0.8可以工作，但早期版本对稀疏矩阵有已知的错误。
BLAS安装（具有Level 3的功能）
- 推荐：MKL，通过Conda免费安装。
- 或者，我们建议安装OpenBLAS，其中包含development headers（
-dev，-devel，具体取决于你的Linux发行版本）。
可选要求
g++（Linux和Windows），clang（OS X）强烈推荐。Theano可以回退基于NumPy的Python执行模型，但C编译器允许更快的执行。
nose >= 1.3.0
推荐，用于运行Theano的测试套件。
用于构建文档。LaTeX和dvipng也是必需的，用于将数学符号显示为图像。
处理大的gif/images图片。
强烈推荐在NVIDIA gpus上生成/执行GPU代码时需要。参见下面的说明。
在CUDA和OpenCL设备上生成GPU/CPU代码时需要（参见：GpuArray Backend。）
通过Conda安装的要求的软件包（推荐）
安装Miniconda
按照此链接安装Miniconda。
注意
如果你想要编译的代码更快（推荐），确保你安装了g++（Windows/Linux）或Clang（OS X）。
安装要求的软件包和可选的软件包
conda install numpy scipy mkl <nose> <sphinx> <pydot-ng>
- <...>之间的参数是可选的。
安装Miniconda
按照此链接安装Miniconda。
注意
如果你想要编译的代码更快（推荐），确保你安装了g++（Windows/Linux）或Clang（OS X）。
安装要求的软件包和可选的软件包
conda install numpy scipy mkl <nose> <sphinx> <pydot-ng>
- <...>之间的参数是可选的。
安装和配置GPU驱动程序（推荐）
警告
现在OpenCL仍然是最小支持。
-
安装CUDA驱动程序
- 按照此链接安装CUDA驱动程序和CUDA工具包。
- 你必须在驱动程序安装后重新启动计算机。
- 测试在重新启动之后可以正确加载它，从命令行执行命令
nvidia-smi。
注意
正确性检查：bin子文件夹应包含nvcc程序。此文件夹称为cuda root目录。
-
修复'lib'路径
- 添加'lib'子目录（如果你有一个64位操作系统，则为“lib64”子目录）到你的
$LD_LIBRARY_PATH环境变量。
- 添加'lib'子目录（如果你有一个64位操作系统，则为“lib64”子目录）到你的
-
设置Theano的配置标志
要使用GPU，你需要定义cuda root。你可以通过以下方式之一：
- 定义一个$CUDA_ROOT环境变量等于cuda根目录，如
CUDA_ROOT=/path/to/cuda/root，或 - 向
THEANO_FLAGS添加cuda.root标记，如THEANO_FLAGS='cuda.root=/path/to/cuda/root'，或 - 添加一个[cuda]节到你的.theanorc文件，包含选项
root = /path/to/cuda/root。
- 定义一个$CUDA_ROOT环境变量等于cuda根目录，如
