keras指定gpu_keras-gpu的安装与配置

gpu擅长处理计算密集型任务，可并行运作。在深度学习的训练过程中，包含了大量重复性的计算，利用 gpu 的特性可显著提高训练的效率。

一、更新显卡驱动程序

先升级显卡驱动确保后面不会因为显卡驱动版本低这个问题被卡住。

二、安装gpu版本的tensorflow和keras

1、安装CUDA、cuDNN、tensorflow-gpu

NVIDIA CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

NVIDIA cuDNN是用于深度神经网络的gpu加速库，可以集成到更高级别的机器学习框架中，如Tensorflow、caffe。

CUDA与cuDNN的关系

CUDA可以看作是一个工作台，但是这个工作台买来的时候，并没有送工具。那工具在哪呢？工具就是cuDNN，有了它才能在GPU上完成深度学习的计算。所以说，想要在CUDA上运行深度神经网络，就要安装cuDNN。

tensorflow-gpu是tensorflow的gpu版本，但是它必须通过 cuda 和 cudnn 来调用电脑的 gpu。

使用以下方法可以一次性安装CUDA、cuDNN、tensorflow-gpu

conda install tensorflow-gpu

2、安装keras-gpu

conda install keras-gpu

三、指定gpu设备

1、显示所有可用设备

from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

2、指定一个不存在的gpu(切换回cpu)