Keras（基于TensorFlow）-GPU安裝
- 0 前期準備
0.1目前電腦組態：
0.2 比對版本
檢視系統核心版本
（參考1：https://blog.csdn.net/liudehua6/article/details/82152010 tensorflow正确安裝順序，避免版本不相容問題）作者給了自己的配置和安裝順序
（參考2：https://blog.csdn.net/u010801439/article/details/80483036 真實機下 ubuntu 18.04 安裝GPU +CUDA+cuDNN 以及其版本選擇（親測非常實用））
（參考3：https://blog.csdn.net/wanzhen4330/article/details/81699769 Ubuntu16.04下安裝cuda和cudnn的三種方法（親測全部有效））
0.3 原環境删除
由于之前安裝了CPU版keras，是用conda中安裝的，擔心沖突先解除安裝anaconda3.
（參考4：https://blog.csdn.net/wuliangcai_/article/details/86668316 ）
0.4 修改python指向*
Warning：此方法安裝TensorFlow較繁瑣且易出錯，建議首先嘗試anaconda-navigator方法（顯示卡驅動安裝都是一樣的）。
1 安裝顯示卡驅動
（參考5：https://blog.csdn.net/u014797226/article/details/79626693 Ubuntu 16.04安裝NVIDIA驅動）
（參考6：https://blog.csdn.net/xunan003/article/details/81665835 ）
1.1 禁用nouveau驅動
ubuntu 16.04預設安裝了第三方開源的驅動程式nouveau，安裝nvidia顯示卡驅動首先需要禁用nouveau，不然會碰到沖突的問題，導緻無法安裝nvidia顯示卡驅動。
編輯檔案blacklist.conf
sudo gedit /etc/modprobe.d/blacklist.conf
在檔案最後部分插入以下兩行内容
blacklist nouveau
options nouveau modeset=0
更新系統
sudo update-initramfs -u
重新開機系統（一定要重新開機）
驗證nouveau是否已禁用
lsmod | grep nouveau
沒有資訊顯示，說明nouveau已被禁用，接下來可以安裝nvidia的顯示卡驅動。
1.2 下載下傳NVIDIA驅動
在英偉達的官網上查找你自己電腦的顯示卡型号然後下載下傳相應的驅動。網址：http://www.nvidia.cn/page/home.html
我下載下傳的版本：NVIDIA-Linux-x86_64-430.40.run（注意不同的版本最後安裝執行的具體選項不同）
下載下傳後的run檔案拷貝至home目錄下。
1.3 安裝驅動
重新開機後按Ctrl+Alt+F1 進入指令行界面
執行指令：lsmod | grep nouveau
禁用X服務：sudo /etc/init.d/lightdm stop (或者：sudo service lightdm stop)
給驅動run檔案賦予可執行權限：sudo chmod a+x NVIDIA-Linux-x86_64-430.40.run (下載下傳的驅動檔案名）
安裝：sudo ./NVIDIA-Linux-x86_64-390.25.run -no-opengl-files
開啟X服務：sudo /etc/init.d/lightdm start (或者：sudo service lightdm start)
• –no-opengl-files 隻安裝驅動檔案，不安裝OpenGL檔案。這個參數最重要
• –no-x-check 安裝驅動時不檢查X服務
• –no-nouveau-check 安裝驅動時不檢查nouveau
後面兩個參數可不加。
安裝過程中選項：
重新開機，沒有問題，輸入指令：nvidia-smi
如果出現了驅動版本就表示安裝成功了。
（參考7：https://blog.csdn.net/xunan003/article/details/81665835 ）
（參考8：https://blog.csdn.net/u014797226/article/details/79626693 ）
2安裝cuda
注意：安裝之前一定要先把CUDA和cuDNN的版本搞清楚了，因為CUDA與cuDNN的版本必須要和Tensorflow的版本對應上，否則即使安裝成功，最後在python環境裡導入tensorflow時也會報錯。
可以查找安裝成功的版本比對，也可以參考下面連結自己比對：
（參考9：https://tensorflow.google.cn/install/source#linux TensorFlow官方文檔-經過測試的建構配置）
（參考10.1：https://blog.csdn.net/u014797226/article/details/80229887 ）
（參考10.2：https://blog.csdn.net/u010801439/article/details/80483036 Ubuntu18.04安裝TensorFlow）
安裝CUDA 這裡需要注意;
（https://developer.nvidia.com/cuda-toolkit-archive CUDA toolkit下載下傳位址）
看完傳回下載下傳想要的CUDA，把它儲存在HOME檔案夾下。
開始安裝：
輸入指令安裝Base Installer：
sudo sh cuda_9.1.85_387.26_linux.run #下載下傳的安裝包
需要注意的是，之前已經安裝過顯示卡驅動程式，故在提問是否安裝顯示卡驅動時選擇no,其他 選擇預設路徑或者yes即可。
然後，繼續執行以下操作安裝3個 patch ：
sudo sh cuda_9.1.85.1_linux.run
sudo sh cuda_9.1.85.2_linux.run
sudo sh cuda_9.1.85.3_linux.run
source ~/.bashrc
驗證：
終端輸入
nvcc –V
可以看到cuda版本資訊
至此，CUDA安裝完成。
3 安裝cuDnn
官網下載下傳cuda對應版本的cudnn點選打開連結
（https://developer.nvidia.com/cudnn ）
下載下傳完成以後将其解壓到Cuda的目錄當中，依次執行如下指令：
tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
cudnn安裝完成
4 安裝TensorFlow
（參考12：https://blog.csdn.net/u014797226/article/details/80229887 ）
在網上看了好多安裝方法，之前安裝之後無法使用是因為版本問題，這次直接在終端pip安裝TensorFlow-gpu 1.14，可以導入。
。
4.1 測試
import tensorflow as tf
hello = tf.constant(‘Hello Tensorflow’)
sess = tf.Session()
print(sess.run(hello))
如下圖所示，則表明Tensorflow安裝成功
4.1 測試GPU：
（https://blog.csdn.net/DarrenXf/article/details/82219773 TensorFlow測試GPU代碼）
- import tensorflow as tf
- sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
5 安裝keras
确定TensorFlow是安裝在python3.5下，确定預設python是python3.5
安裝運算加速庫
sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev
sudo pip install -U --pre keras
安裝完成之後在終端中輸入
- python3
- import tensorflow
- import keras
6 安裝Pycharm，配置環境
安裝：
（參考11：https://blog.csdn.net/weixin_31484477/article/details/81133590 (pycharm安裝與解除安裝教程)
配置：
Setting——Project Interpreter——Add——Conda environment——existing environment
選擇剛建立好的python3.5的環境
應用——儲存
完