快速配置tensorflow,keras,pytorch等深度学习环境

安装GPU驱动

首先保证gpu驱动已经成功安装，根据GPU版本在Nvidia官网下载对应的驱动，windows环境下载Nivdia的安装包，直接安装即可。Linux版本需要退出图形界面，使用命令安装。一个简单的办法是使Linux系统自己识别GPU驱动版本，（Ubantu在software update里） 并自动更新。安装完成后重启系统即可。

安装cuda

直接用cuda，在这里下载对应版本的cuda并安装，并按官网提示的安装指令进行安装。例如您下载的是Ubantu下的deb文件，可以使用官网提供的四行命令：

sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.168-418.67_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

安装Cudnn

这个是Nvidia提供的深度学习的GPU API，一般的深度学习库都会通过它来调用GPU的深度学习计算。在这里下载相应版本的Cudnn，并解压。
将解压后的文件复制到/usr/local/cuda-8.0 or cuda.9.0的库中。cudnn.h应位于cuda/include中， libcudnn.\文件应位于cuda\lib64中。使用命令：

mv cudnn.h /usr/local/cuda/include 
mv libcudnn.* /usr/local/cuda/lib64 

安装Anaconda

如果不想安装 Anaconda，可以跳过这一步。因为现在深度学习库更新的比较频繁，对于同一个库，我们有可能使用多个版本，比如tensorflow-gpu1.0.0 , …, tensorflow-gpu2.0.0 ，因此，安装Anaconda 可以创建多个环境来安装不同版本的深度学习库。

安装Anaconda，在官网下载对应的版本，在右上角点Download，点击windows或者linux版本即可下载。

windows 版本可以直接双击安装, easy to do it。Linux 版本的可以使用命令 sh Anaconda_xxx.sh 安装，also easy.

假设您使用的是linux平台。

安装pip

根据对应的python版本，安装相应的pip。这里推荐使用 python get_pip.py 来安装。使用命令：

python3 get-pip.py

安装深度学习库

安装tensorflow

conda install tensorflow-gpu

或者

pip3 install tensorflow-gpu==2.0.0

安装keras

pip3 install keras

安装pytorch

conda install pytorch=0.4.1 cuda90 -c pytorch

或者

pip install torch==1.0.1 -f https://download.pytorch.org/whl/cpu/stable # CPU-only build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu80/stable # CUDA 8.0 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu90/stable # CUDA 9.0 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu92/stable # CUDA 9.2 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu100/stable # CUDA 10.0 build

或者

pip3 install https://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-linux_x86_64.whl