ubuntu18.04安装Anaconda+tensorflow-gpu+keras

此方法是基于anaconda安装tensorflow的简便方法。

一，安装显卡驱动
1.打开软件和更新------附加驱动-------选择所需要的驱动版本

2.检查驱动是否安装成功
打开终端，输入指令
nvidia-smi
若出现显卡信息则安装成功，进入下一步

二，gcc,g++降级
因为之后需要安装cuda，cudnn等，gcc,g++版本太高会无法配置，建议降级到5.0或者4.8.
1.查看版本

gcc -v

g++ -v

2.下载gcc/g++ 4.8

sudo apt-get install gcc-4.8

sudo apt-get install g++-4.8

3.（1）进入/usr/bin下

cd /usr/bin

ls -l gcc*

（2）观察到gcc链接还是7.0，继续修改链接

sudo mv gcc gcc.bak

sudo ln -s gcc-4.8 gcc

（3）对g++进行修改

ls -l g++*

sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

（4）查看版本信息

gcc -v
g++ -v

三，安装cuda9.0

下载地址：cuda9.0下载地址

1.下载文件，补丁也一起下载
2.进入文件下载目录下，开始进行安装
3.输入指令：sudo sh cuda_9.0.176_384.81_linux.run 出现阅读协议，按住enter至阅读结束，接着按如图操作

解释：

这一行提示是是否安装显卡驱动，由于我们之前已经安装过显卡驱动，所以此处选择"no"
部分电脑可能会显示cuda9.0安装失败，并且在/usr/local文件夹中未生成cuda9.0的文件夹，则换用指令：

sudo sh cuda_9.0.176_384.81_linux.run --override

4.安装补丁:sudo sh cuda_9.0.176.1_linux.run 依次替代.run文件进行安装
5.路径配置：可能出现barshrc文件打开是空的。终端在home主目录下按ctrl+h,显示隐藏文件，直接打开barshrc文件即可。

sudo gedit ~/.barshrc   #打开barshrc文件，添加路径，并将后面两句加在代码末尾
export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}}             
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc          #使上述操作生效

6.检查是否安装成功，输入指令

nvcc -V

出现版本信息则表示安装成功。至此cuda9.0安装结束

四，cudnn7安装

1.下载文件cudnn，cudnn在下载时需要简单的注册一个账号
下载如图


下载cuDNN v7.0.5 Library for Linux文件

2.终端进入文件下载路径，输入如下指令

tar -zxvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

五，安装anaconda

1.下载anaconda的linux版本
特别注意：目前tensorflow不支持python3.7,建议下载anaconda时注意版本信息。
下载链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
本人选用：Anaconda3-5.2.0-Linux-x86_64.sh

2.进入文件下载目录
输入指令：
bash Anaconda3-5.2.0-Linux-x86_64.sh
如此处下载版本不一样，只需要将Anaconda3-5.2.0-Linux-x86_64.sh，替换成自己的版本即可。
接下来按住enter键协议很长，读完后输入yes，尽量保持默认配置，尤其在是否将anaconda配置入环境变量时，选择yes。安装结束后，最好通过指令向./bashrc文件再添加一下路径。
终端输入：
sudo gedit ~/.bashrc
在打开的文末加入：export PATH="/opt/anaconda3/bin:$PATH"
如果文件中已经存在该路径可以不加。如图：

接着使上面添加的路径生效，输入指令

source ~/.bashrc

3.检查anaconda是否安装成功，提供两种方法
（1）终端输入指令：
conda list
出现anaconda的列表，如图

表示安装成功
（2）终端输入python或者python3，
输出带有anaconda路径，如图

表示安装成功

六，tensorflow安装

特别注意：网上很多教程到这一步就要开始安装cuda和cudnn了，但是基于anaconda安装时，anaconda会自动为你匹配cuda和cudnn。其准确性和可靠性会比自己匹配要好很多，同时也更方便。
（1）输入指令：
conda search tensorflow-gpu
来确定自己电脑需要安装的tensorflow版本。如图：

如图中tensorflow-1.2.1信息中的第一个版本代表需要python2.7 ,cuda7.5 ,cudnn 5.1_0。建议尽量选择较新版本。同时文章第一段中也有tensorflow与cuda,cudnn版本的对应关系。

（2）开始安装
输入指令：
conda install tensorflow-gpu==版本号
例如安装tensorflow1.8指令如下：

conda install tensorflow-gpu==1.8.0

输入后会出现如下界面：


表示anaconda将会为你安装配置表中的环境。
将会出现选择界面;

输入 y
(3)电脑自动下载相关文件
注意：由于文件较大，同时网络不稳定时会出现下载中断的问题，重复执行指令：conda install tensorflow-gpu==版本号
已经下载过的文件会自动保存，只会从新下载上面中断过的文件。
输入 y 后出现如下下载界面

可以看到我的cudnn下载中断过，继续执行安装指令后

（3）验证
输入指令

python
import tensorflow as tf
print(tf.__version__)

输出对应安装的tensorflow版本，则表示安装成功。
如图：

至此tensorflow-gpu安装结束。

五，keras安装
（1）安装，自动安装到最新使用指令：
conda install keras
安装指定版本

pip install Keras==1.2.2 

选择 y等待安装完成

（2）测试
如图所示：

表示keras安装成功！

参考文章：

https://blog.csdn.net/Burt3/article/details/81229411
https://blog.csdn.net/Aiolia86/article/details/80342240
https://blog.csdn.net/shiheyingzhe/article/details/80863422
https://blog.csdn.net/qq_24233615/article/details/84022945