一周实践总结

由于机器学习和深度学习有平台限制，Windows下的Tensorflow存在着软件平台的限制。于是考虑迁移到Linux环境下。全新安装Ubuntu 16.04 LTS ，采用Clover引导，并装上了黑苹果。

黑苹果教程参考文章：

https://github.com/darkhandz/XPS15-9550-OSX/blob/master/README.md

一、安装顺序可以从MAC---》Linux---》Windows来解决。注意三个系统需要采用同一个EFI分区作为系统引导。并在boot启动项中设置Clover优先。黑苹果除了部分时间唤醒无声和无独显驱动之外。其余都较为完美。

Tips：MAC在更新新的版本时，可以使用原来的SSDT文件，这些编译后的文件只与硬件有关。编译原有文件即可重复利用到新版本。

二、Linux下安装的深度学习平台为Ubuntu + Cuda9.1 + Cudnn7.1.2 + Tensorflow 1.7.0 RC1 + Keras 2.1.5。

其中在安装Cuda9.1时，先安装显卡驱动。重复安装多次发现通过更新官方ppa源的方法安装显卡驱动最便捷。而且不需要像网上所说禁用noveau。

Cuda9.1可以直接从官方上下载安装，此处可参考官方文档。

Cudnn7.1.2适配Cuda9.1，它可以通过官方下载deb文件进行安装，最后使用官方命令调用动态链接库即可。

Tensorflow 最新版本为1.7.0 RC1（也就是现在装的版本），其官方文档指出它支持的平台为Cuda9.0与Cudnn7 。在使用官方最新下载包直接安装时，运行Tensorflow其指出找不到Cuda9.0的包文件。所以去Github上寻找源代码编译，需要下载bazel编译程序，在configuration文件中设置Cuda版本号为9.1，编译完成后使用官方命令打包为whl文件再进行安装。

Keras 2.1.5 可参考中文官方教程，除了安装Tensorflow的资料外都可以使用中文文档的安装方法。

可以采用下列代码检测是否安装成功

import tensorflow
import keras