深度学习 GPU 配置问题,解决问题六步走

第一步： 到nvidia官网下载并安装cuda ,到/etc/profile配置环境变量
第二步： 到nvidia官网下载并安装cudnn,用于GPU加速
第三步： 到nvidia官网下载并安装tensorrt用做GPU加速
第四步： 下载相应的深度学习框架GPU版本，如tensorflow-gpu keras-gpu(推荐用conda安装，因为conda能很完美解决依赖问题，避免pip3不成熟，无法完成依赖的安装)
第五步: 下载并安装GPU系统驱动，以ubuntu 16.4系统为例，用ubuntu-drivers devices
查看系统显卡支持的驱动，在下列下表中找到推荐（recommend）的驱动版本号进行安装。
第六步： 编写tensorflow-gpu实验代码，进行gpu测试。一般情况下，在keras和pytorch中都可以指定使用GPU块数，或者具体使用某个固定的GPU

总结：
如果有遇到问题，参考nvidia官网指定步骤一步一步走。如果依然有问题可以根据以上步骤逐步排查