【在Ubuntu上安装Keras及其依赖】

一、建立深度学习工作站的步骤

（1）安装python科学套件（Numpy和SciPy），并确认安装了基础线性代数子程序（BLAS）库。
（2）安装HDF5(用于保存大型的神经网络文件) + Graphviz(用于将神经网络架构可视化)。
（3）安装CUDA驱动程序和cuDNN，确保能够使用GPU运行代码。
（4）安装一个Keras后端：Tensorflow、CNTK或Theano。
（5）安装Keras。

二、开始安装

1、确保在安装之前以已经安装了Ubuntu并配备了NVIDIA GPU。

安装ubuntu系统参考视频：https://www.bilibili.com/video/BV1554y1n7zv/?vd_source=92745212a3bb6fe90ce7a04c5662bc9d
安装ubuntu默认使用的Nouveau驱动，我们需要更换NVIDIA驱动。
更换驱动前先禁用Nouveau驱动，不禁用后面会与NVIDIA显卡驱动安装发生冲突报错。
终端输入：sudo gedit /etc/modprobe.d/blacklist.conf会打开一个文档，在文档最后添加

blacklist nouveau
options nouveau modeset=0

保存，并退出。
终端输入以下命令更新：sudo update-initramfs -u，然后重新启动电脑。
重启之后，在终端输入：lsmod | grep nouveau查看是否成功禁用Nouveau，输入命令后如果没有输出则代表禁用成功，否则重新把第一步操作一遍。
打开软件与更新–>附加驱动–>选一个NVIDIA驱动，不要选版本太低的（版本和你能安装CUDA版本挂钩，参考此链接）。

2、更换镜像源

首先查看ubuntu版本内容lsb_release -a，可以看到一个Codename的值，ubuntu18.04的值是bionic，不同版本对应的Codename值不同。
接着输入命令sudo gedit /etc/apt/sources.list会打开一个文件，把文件内容清空，将下面内容复制进去，并保存。

#阿里源                                 ↓把下面所有的bionic换成你的ubuntu版本的Codename值
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

3、确认管理包是最新的（执行下面三条命令）：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install python3-pip python3-dev

在Ubuntu上安装python包时默认使用python2，若想使用python3需要我们自己指定。

4、安装BLAS库。

执行命令：sudo apt-get install build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev

5、安装Python科学套件：Numpy、SciPy和Matplotlib。

执行命令：sudo apt-get install python-numpy python-scipy python-matplotlib python-yaml

6、安装HDF5（它可以让你将Keras模型快速高效地保存到磁盘）。

执行命令：sudo apt-get install libhdf5-serial-dev python-h5py

7、安装Graphviz和pydot-ng（用于将Keras模型可视化，这一步不是必须的，可以在需要时在安装）。

执行下面两条命令：
sudo apt-get install graphviz
sudo pip3 install pydot-ng

三、设置GPU支持。

我的配置： ubuntu18.04、CUDA10.0、cuDNN7.6.5。

1、官网下载CUDA：

官方链接：https://developer.nvidia.com/cuda-toolkit-archive

2、下载对应CUDA版本的cuDNN：

官方链接：https://developer.nvidia.com/rdp/cudnn-archive

上面两项下载好之后，在下载CUDA的目录里鼠标右键打开终端，输入下面命令安装CUDA：
sudo sh cuda_10.0.130_410.48_linux.run
这里会需要等待一段时间，然后终端左下角会出现一个0%的进度，需要一直按回车键翻阅一些说明，直到出现下面描述：

按照上图输入命令，完成后关闭终端。

接下来在根目录重新打开终端输入命令：sudo gedit .bashrc
添加CUDA需要的环境变量，在打开的.bashrc文件的最后面将下面三行代码复制进去，然后保存。

export CUDA_HOME=/usr/local/cuda 
export PATH=$PATH:$CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

验证CUDA是否安装成功，在终端逐次输入以下三条命令：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery


这里看到CUDA版本和Result = PASS即安装成功。

3、接下来安装cuDNN。

把上面下载好的cuDNN的压缩包进行解压，在下载cuDNN的目录里打开终端，并输入下面命令：
tar -xzvf cudnn-10.0-linux-x64-v7.6.5.32.tgz
把解压后的文件复制到cuda的安装目录，继续执行下面命令：

sudo cp -d cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

最后查看一下CUDA目录下的cuDNN版本：
cudnn版本在8.0及以上的在cudnn_version.h中：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
cudnn版本低于8.0的在cudnn.h中：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

到此CUDA安装成功。

---

四、安装Tensorflow

1、更新pip3，否则有可能安不上tensorflow。

重新打开终端输入命令：pip3 install --upgrade pip

2、安装tensorflow-gpu

pip3 install tensorflow-gpu==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3、测试

在终端输入：python3进入python交互式解释器，接着输入以下代码：

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())

看到没有报错并输出True即为成功。

---

五、安装Keras

重新打开终端输入命令：
pip3 install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

测试：

终端里输入python3进入python交互式解释器，接着输入以下代码：

import keras
keras.__version__
from keras import backend as k
print(k.tensorflow_backend._get_available_gpus())

没有报错并看到successfully即为成功。

---

六、安装jupyter

重新打开终端输入命令：python3 -m pip install jupyter

给jupyter配置环境：（这里配置环境是为了以后启动jupyter更简便）
先输入命令：sudo gedit ~/.bashrc打开bashrc文件，在文件末尾添加下面代码：

export PATH=~/.local/bin:${PATH}

保存并退出。
然后输入命令source ~/.bashrc更新bashrc。

在终端输入jupyter notebook即可打开jupyter。

---

本文参考链接：
参考链接1
参考链接2
参考链接3
参考链接4
参考链接5