深度学习环境搭建(linux、keras、tensorflow、GPU)

深度学习环境搭建(linux、keras、tensorflow、GPU)

Keras的安装有很多方法，可以通过pip 安装或通过conda安装，个人建议使用conda安装，因为conda可以将安装库依赖的其他库也自动安装了。整个学习环境搭建如下：

一、 安装conda

1、 下载anaconda版本，并进行安装
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh

2、 开始安装conda
sh Anaconda3-5.3.1-Linux-x86_64.sh

      注意： 安装过程中会让你进行一些选择，为了避免后面的配置麻烦，建议你全部选择yes。 同时注意，安装过程中，会显示安装的目录，请记录下该目录，后面配置环境变量需要使用。

3、 配置环境变量
安装后，需要将conda的安装路径配置到PATH环境变量。 如果你在第二步没有记录该路径，可以执行conda info 来查看。比如下图，base enviroment路径为/root/miniconda3. 将该路径下的bin路径配置到PATH环境变量里。
修改/etc/profile文件，添加这行： export PATH=$PATH:/root/miniconda3/bin 并运行source /etc/profile使其生效。
注意： 添加环境变量时建议将conda的目录放到PATH之后， 这样不会影响以前的一些环境。
如果不记得安装时的路径，可以执行conda info命令查看。

二、 安装keras、tensorflow

  注意： keras和tensorflow有不同的版本，每个版本又有GPU和CPU版本， 不同的tensflow的GPU版本对cuda的版本要求又不一样。以及对python的版本也有要求。所以建议你安装前先查清楚才安装。
  
  说明：我当前的GPU的cuda版本是10.0， 所以我安装了tensorflow-gpu的1.15.0版本。 tensorflow的1.15.0版本配套的keras版本是2.16， 依赖的python版本是3.6.0.  
  查看版本配套关系可以登录网址：  [添加链接描述](https://docs.floydhub.com/guides/environments/)

1、 创建自己的环境
conda create -n tensorflow python=3.6.3
创建一个环境，将其命名为tensorflow,并安装python3.6.3版本

2、 切换到自己的环境
source activate tensorflow

3、 安装gpu版本的tensorflow
conda install tensorflow-gpu=1.15.0

4、 安装gpu版本的keras
conda install keras-gpu=2.1.6

5、 检查安装的keras和tensorflow

三、 安装matplotlib

      conda install matplotlib

至此，环境已经搭建好了。