任务目标
就是在Pycharm IDE下成功导入numpy模块和theno模块，以便后续代码的测试和调整。
疑难问题
Windows在安装numpy包和theno包时可能会遇到一些复杂的问题，而且作为数据科学的工具包，如果需要一个就手动找一个来下会比较麻烦，一种一劳永逸的解决方案 是先下载AnaConda平台工具，使用AnaConda来安装数据科学研究需要用到的包，再统一托管起来。然而，AnaConda可能存在一些链接方面的问题：比如它默认的python版本是3.6，如何替换为3.4版本呢？再比如Pycharm无法直接定位到AnaConda安装的工具包所在的位置，也就无法成功导入了。
两种技术路线
针对我们的初始目标，我设计了两种技术路线：
第一，通过pip工具或官网下载的方式直接安装numpy包和theno包，并放到所使用的Python版本的Lib文件夹中（比较直接但略显笨重的方法）； 第二，通过AnaConda下载numpy包和theno包，并在PyCharm中修改解释器路径来定位AnaConda管理的数据科学包（比较折腾但一劳永逸的方法）。
我对两种方法的评价是：身为一个技术人，第一种方案我是永远相信并热爱，因为我知道自己干了什么，以及下一步要干什么。第二种方案是为了将事情变得简单我可以去尝试 做出一番努力并且以后就套用这个框架去解决，然而一旦出现预料之外的问题，事情也许会变得很麻烦（立下了奇怪的FLAG）。
方案实施
直接下载法
本来以为pip安装会很简单，但出乎意料地，坑真的很多很多。
1. 打开 cmd 命令行界面
使用 python --version 查看当前python版本。
2. 安装 numpy 工具包
使用 pip install numpy 进行安装，对于依赖包，选择 yes 执行安装。
3. 安装 theano 工具包
这一部分会比较复杂，其理由是 pip 除了需要安装 theano 包之外还要安装好 gpu 运算支持。
第一，按照要求下载 CUDA 工具包并一路选择设置。注意，如果 GPU 不是 NVDIA 产品，则无法安装 CUDA 支持。
第二，安装 theano 包，使用 pip install theano 进行安装。
第三，根据提示使用 git 克隆 gpuarray 项目到本地，按文档安装，于是挑战从这里开始：
gpuarray的安装需要git，cmake，make三个工具（在Linux下都是小case，Windows下可就需要花费我们一点工夫了）。
简单总结下安装这几个东西后出现的问题：
- 找不到如博客中所说的 .make 文件（来添加到环境变量中），可能是mingw在安装时因网速限制未完全下载。
- cmake 通过但是 make 会失败，报告的问题是缺少 Microsoft Visual C++ 10.0 的支持。
基本上第一个问题是比较好解决的，重新安装一遍 mingw 应该就可以了；而第二个问题则需要付出较大的代价，仅仅是为了一个 gpuarray 的包就 在整个 Windows 系统上加了许多软件及驱动支持，其实是非常可悲的一件事。做肯定是可以继续的，但是事到如今，Windows 上大概也不会有人想去真的重复 这样的方案吧。
本技术路线到此终结。
Anaconda托管法
首先，按照 anaconda 官方安装文档 选择 windows 版本的 anaconda 进行安装。
安装完毕后，根据 Windows theano 官方安装文档 一步步操作，进行安装。
接下来至关重要的步骤是在PyCharm中配置python版本及环境，只需在PyCharm的解释器选项中选择 Anoconda 文件夹目录下的默认python版本（3.6）即可。
如果大家仔细阅读 theano 安装文档的话，应该会记得 theano 目前（2017年12月为止）并不支持 3.4 分支。
【注意：如果想使用 Python 的2.7版本或者3.5版本来调用 numpy 或 theano 模块或其他任何数据科学包，必须先切换 AnaConda 工作环境（命令如下所示）并重新下载 numpy 和 theano 等等，然后再在 PyCharm 解释器选项中选择】
conda create -n EnvName python=2.7
conda install numpy
conda install theano pygpu
如有疑问，欢迎留言~