[]Anaconda安装keras

Tensorflow官方安装：

1. pip方式安装：https://tensorflow.google.cn/install/pip

2. docker安装：https://tensorflow.google.cn/install/docker

3. GPU支持：https://tensorflow.google.cn/install/gpu

---

1. TF和cuda的版本会有匹配

2. 原本安装的cuda10，现在改装为cuda9，cudnn v7

https://blog.csdn.net/u012260117/article/details/81515946

cuda9的nvidia安装：（务必按照deb安装，如果连不上nvidia网站，多数是网的问题，自己开热点连一下）;

 

2.1 CUDA9 安装

a. 先下载deb文件，然后按后续指令执行

b. 如果第2条执行不下去，报获取不到key的错误，那就直接去第2条里面的链接下载，如下：

 

 

 

 

 

2.2 cuDNN v7安装

 

参考：https://blog.csdn.net/u012260117/article/details/81515946（作者：Galaxy_Fish）

下载完成以后将其解压到Cuda的目录当中，依次执行如下命令：

tar -xzvf cudnn-9.0-linux-x64-v7.1.3.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

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

 

3. 环境准备就绪后，安装就比较简单

如果网速慢，可以尝试打开蓝灯 --- 可以按照节师兄的操作步骤啦

https://blog.csdn.net/m0_37864814/article/details/82112029

a. 激活环境

 

 

 

3.1 使用conda 时出现的HTTP错误：

ubuntu@ubuntu-System-Product-Name:~$ conda update --all

Solving environment: failed

CondaHTTPError: HTTP 000 CONNECTION FAILED for url

Elapsed: -

An HTTP error occurred when trying to retrieve this URL.

HTTP errors are often intermittent, and a simple retry will get you on your way.

ProxyError(MaxRetryError("HTTPSConnectionPool(host='mirrors.tuna.tsinghua.edu.cn', port=443): Max retries exceeded with url: /anaconda/cloud/msys2/noarch/repodata.json (Caused by ProxyError('Cannot connect to proxy.', NewConnectionError(': Failed to establish a new connection: [Errno 111] Connection refused',)))",),)

 

这里主要是因为代理的问题，使用unset指令把代理逐个关掉就可以使用了！！

https://blog.csdn.net/l_ml_m_lm_m/article/details/83240163

 

4. 安装Keras的注意事项：

https://keras.io/zh/#keras-python

 

 

 

5. 可以点击keras中文文档里的“快速开始”菜单，来测试keras是否还有问题：

运行了import Keras之后，出现了如下的错误：

ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory

ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory

解决方法如下：https://blog.csdn.net/weixin_40298200/article/details/79420758

5.1.环境变量

在~/.bashrc 的最后添加

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export CUDA_HOME=/usr/local/cuda

 

5.2.CUDNN连接建立

cd /usr/local/cuda/lib64

sudo rm -rf libcudnn.so libcudnn.so.7  #删除原有版本号，版本号在cudnn/lib64中查询

sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成软连接，注意自己下载的版本号

sudo ln -s libcudnn.so.7 libcudnn.so 

sudo ldconfig #立即生效

 

修改过后，复制里面的代码运行不会再出现libcudnn.so.7的错误

注意！！：要在tensorflow-gpu的虚拟环境中，打开jupyter或者ipython或者spyder