keras基本开发环境搭建

1. Linux 发行版

linux有很多发行版，本文强烈建议读者采用新版的Ubuntu 16.04 LTS 一方面，对于大多数新手来说Ubuntu具有很好的图形界面，与乐观的开源社区；另一方面，Ubuntu是Nvidia官方以及绝大多数深度学习框架默认开发环境。 个人不建议使用Ubuntu其他版本，由于GCC编译器版本不同，会导致很多依赖无法有效安装。 Ubuntu 16.04 LTS下载地址：http://www.ubuntu.org.cn/download/desktop 通过U盘安装好后，进行初始化环境设置。

2. Ubuntu初始环境设置

• 安装开发包 打开终端输入：

# 系统升级
>>> sudo apt update
>>> sudo apt upgrade
# 安装python基础开发包
>>> sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim

• 安装运算加速库 打开终端输入：

>>> sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev

3. CUDA开发环境的搭建(CPU加速跳过)

如果您的仅仅采用cpu加速，可跳过此步骤 - 下载CUDA8.0

下载地址：https://developer.nvidia.com/cuda-downloads 

之后打开终端输入：

>>> sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
>>> sudo apt update
>>> sudo apt -y install cuda

自动配置成功就好。

• 将CUDA路径添加至环境变量 在终端输入：

>>> sudo gedit /etc/profile

在profile文件中添加：

export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后source /etc/profile即可

• 测试 在终端输入：

>>> nvcc -V

会得到相应的nvcc编译器相应的信息，那么CUDA配置成功了。(记得重启系统)

如果要进行cuda性能测试，可以进行：

>>> cd /usr/local/cuda/samples
>>> sudo make -j8

编译完成后，可以进samples/bin/.../.../...的底层目录，运行各类实例。

4. 加速库cuDNN（可选）

从官网下载需要注册账号申请，两三天批准。网盘搜索一般也能找到最新版。 Linux目前最新的版本是cudnn V6，但对于tensorflow的预编译版本还不支持这个最近版本，建议采用5.1版本，即是cudnn-8.0-win-x64-v5.1-prod.zip。 下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，在终端中输入：

>>> sudo cp include/cudnn.h /usr/local/cuda/include/
>>> sudo cp lib64/* /usr/local/cuda/lib64/
>>> cd /usr/local/cuda/lib64
>>> sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
>>> sudo ln -sf libcudnn.so.5 libcudnn.so
>>> sudo ldconfig -v

Keras框架搭建

相关开发包安装

在终端中输入:

>>> sudo pip install -U --pre pip setuptools wheel
>>> sudo pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image
>>> sudo pip install -U --pre tensorflow-gpu
# >>> sudo pip install -U --pre tensorflow ## CPU版本
>>> sudo pip install -U --pre keras

安装完毕后，输入python，然后输入：

>>> import tensorflow
>>> import keras

无错输出即可

Keras中mnist数据集测试

下载Keras开发包

>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py

（运行界面添加cuda CUDA_VISIBLE_DEVICES=1 python *****.py）

程序无错进行，至此，keras安装完成。