Keras（基于TensorFlow）-GPU安装

Keras（基于TensorFlow）-GPU安装

• 0 前期准备

0.1当前电脑配置：

0.2 匹配版本

查看系统内核版本

（参考1：https://blog.csdn.net/liudehua6/article/details/82152010 tensorflow正确安装顺序，避免版本不兼容问题）作者给了自己的配置和安装顺序
（参考2：https://blog.csdn.net/u010801439/article/details/80483036 真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用））
（参考3：https://blog.csdn.net/wanzhen4330/article/details/81699769 Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效））

0.3 原环境删除
由于之前安装了CPU版keras，是用conda中安装的，担心冲突先卸载anaconda3.

（参考4：https://blog.csdn.net/wuliangcai_/article/details/86668316 ）
0.4 修改python指向*

Warning：此方法安装TensorFlow较繁琐且易出错，建议首先尝试anaconda-navigator方法（显卡驱动安装都是一样的）。

1 安装显卡驱动
（参考5：https://blog.csdn.net/u014797226/article/details/79626693 Ubuntu 16.04安装NVIDIA驱动）
（参考6：https://blog.csdn.net/xunan003/article/details/81665835 ）
1.1 禁用nouveau驱动
ubuntu 16.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。
编辑文件blacklist.conf
sudo gedit /etc/modprobe.d/blacklist.conf
在文件最后部分插入以下两行内容
blacklist nouveau
options nouveau modeset=0
更新系统
sudo update-initramfs -u
重启系统（一定要重启）
验证nouveau是否已禁用
lsmod | grep nouveau
没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。
1.2 下载NVIDIA驱动
在英伟达的官网上查找你自己电脑的显卡型号然后下载相应的驱动。网址：http://www.nvidia.cn/page/home.html
我下载的版本：NVIDIA-Linux-x86_64-430.40.run（注意不同的版本最后安装执行的具体选项不同）
下载后的run文件拷贝至home目录下。
1.3 安装驱动
重启后按Ctrl+Alt+F1 进入命令行界面
执行命令：lsmod | grep nouveau
禁用X服务：sudo /etc/init.d/lightdm stop (或者：sudo service lightdm stop)
给驱动run文件赋予可执行权限：sudo chmod a+x NVIDIA-Linux-x86_64-430.40.run (下载的驱动文件名）
安装：sudo ./NVIDIA-Linux-x86_64-390.25.run -no-opengl-files
开启X服务：sudo /etc/init.d/lightdm start (或者：sudo service lightdm start)
• –no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
• –no-x-check 安装驱动时不检查X服务
• –no-nouveau-check 安装驱动时不检查nouveau
后面两个参数可不加。

安装过程中选项：

重启，没有问题，输入命令：nvidia-smi
如果出现了驱动版本就表示安装成功了。
（参考7：https://blog.csdn.net/xunan003/article/details/81665835 ）
（参考8：https://blog.csdn.net/u014797226/article/details/79626693 ）

2安装cuda
注意：安装之前一定要先把CUDA和cuDNN的版本搞清楚了，因为CUDA与cuDNN的版本必须要和Tensorflow的版本对应上，否则即使安装成功，最后在python环境里导入tensorflow时也会报错。
可以查找安装成功的版本匹配，也可以参考下面链接自己匹配：
（参考9：https://tensorflow.google.cn/install/source#linux TensorFlow官方文档-经过测试的构建配置）
（参考10.1：https://blog.csdn.net/u014797226/article/details/80229887 ）
（参考10.2：https://blog.csdn.net/u010801439/article/details/80483036 Ubuntu18.04安装TensorFlow）
安装CUDA 这里需要注意;

（https://developer.nvidia.com/cuda-toolkit-archive CUDA toolkit下载地址）

看完返回下载想要的CUDA，把它保存在HOME文件夹下。

开始安装：
输入命令安装Base Installer：
sudo sh cuda_9.1.85_387.26_linux.run #下载的安装包
需要注意的是，之前已经安装过显卡驱动程序，故在提问是否安装显卡驱动时选择no,其他 选择默认路径或者yes即可。
然后，继续执行以下操作安装3个 patch ：
sudo sh cuda_9.1.85.1_linux.run
sudo sh cuda_9.1.85.2_linux.run
sudo sh cuda_9.1.85.3_linux.run

source ~/.bashrc
验证：
终端输入
nvcc –V
可以看到cuda版本信息

至此，CUDA安装完成。
3 安装cuDnn
官网下载cuda对应版本的cudnn点击打开链接
（https://developer.nvidia.com/cudnn ）

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-8.0-linux-x64-v6.0.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*
cudnn安装完成
4 安装TensorFlow
（参考12：https://blog.csdn.net/u014797226/article/details/80229887 ）

在网上看了好多安装方法，之前安装之后无法使用是因为版本问题，这次直接在终端pip安装TensorFlow-gpu 1.14，可以导入。

。

4.1 测试
import tensorflow as tf
hello = tf.constant(‘Hello Tensorflow’)
sess = tf.Session()
print(sess.run(hello))
如下图所示，则表明Tensorflow安装成功

4.1 测试GPU：
（https://blog.csdn.net/DarrenXf/article/details/82219773 TensorFlow测试GPU代码）

1. import tensorflow as tf
2. sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

5 安装keras
确定TensorFlow是安装在python3.5下，确定默认python是python3.5

安装运算加速库
sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev

sudo pip install -U --pre keras

安装完成之后在终端中输入

• python3
• import tensorflow
• import keras

6 安装Pycharm，配置环境

安装：
（参考11：https://blog.csdn.net/weixin_31484477/article/details/81133590 (pycharm安装与卸载教程)
配置：
Setting——Project Interpreter——Add——Conda environment——existing environment
选择刚创建好的python3.5的环境
应用——保存
完