GPU+Tensorflow+Keras(tensorflow/theano)

服务器可用环境：

anaconda 安装的python2.7+cuda8.0+tensorflow1.4+keras2.0.8

centos7上安装cuda8.0:

https://blog.csdn.net/zhangtong11111/article/details/79143279

安装tensorflow-gpu和keras：

conda install keras-gpu

小心自己搭配的tensorflow版本和keras版本不一致，有的函数会报错。

检测tensorflow是否在使用gpu:

import tensorflow as tf 

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

或者：

跑计算量大的代码，通过 nvidia-smi 命令查看gpu的内存使用量(不是一开始执行程序就能看到的，要开始train网络了才能看到)

成功使用GPU

开始train时，会打印包含cuda/gpu的日志：

代码运行日志

测试python程序：

https://blog.csdn.net/freewebsys/article/details/81277857

Tip：

整个环境的搭建，用了接近一天的时间呢，其中遇到了很多问题：

1.cuda版本

我们要选用和tensorflow相匹配的版本，刚开始我一直用的是最新版cuda10，然而每次在运行程序时提示：没有libcublas.so.9.0类似的错误。这是因为版本不支持。所以还是下载8.0吧，大多是稳的。

其次，官网建议下载rpm的版本安装，然而我严格按照官网安装了，还是不成功，所以还是用run文件安装吧。按上述博主的方式安装，没有马达！

2.tensorflow+keras

这俩版本也要一致的。不能差太大，否则会报一些函数错误。用默认的conda install keras-gpu就可以完美安装两者，不需要先安装tensorflow哦。

3.theano+keras

keras的默认后端是tensorflow，如果要使用theano作为后端，需要安装theano，然后进行配置。命令如下：

安装theano：conda install then

配置keras：vim ~/.keras/keras.json

在打开的文件中，将tensorflow改为theano即可，当然也可以支持后端cntk。

配置keras后端

4.严格验证

一定要严格用命令nvcc -v验证cuda的正确安装。

一定要确认tensorflow使用了gpu训练。