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。