Keras学习环境配置-GPU加速版（Ubuntu 16.04 + CUDA8.0 + cuDNN6.0 + Tensorflow)

        1. 首先，我们需要安装Ubuntu操作系统（Windows下也行），这里使用Ubuntu16.04版本:

        2. 安装好Ubuntu16.04之后，需要对系统进行初始化设置及更新：

        打开终端输入：

　　 系统升级：

        →~ sudo apt-get update

        →~ sudo apt-get upgrade

        安装基础依赖库：

        →~ sudo apt-get install python-dev python-pip python-nose gcc g++ git gfortran libopenblas-dev liblapack-dev libatlas-base-dev

        →~ sudo apt-get install setuptools wheel python-numpy python-scipy python-matplotlib

        3. 安装CUDA开发环境

        下载CUDA8.0：

        打开终端，切换到下载目录：

        →~ sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

        →~ sudo apt-get update

        →~ sudo apt-get install cuda

        安装完成后，配置CUDA路径：

        →~ sudo gedit /etc/profile

        在profile文件末尾回车添加（注意：如果使用的不是8.0版本需要修改版本号）：

        →~ export CUDA_HOME=http://www.likecs.com/usr/local/cuda-8.0

        →~ export PATH=http://www.likecs.com/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

        →~ export LD_LIBRARY_PATH=http://www.likecs.com/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

        修改之后：

        →~ source /etc/profile

        验证是否配置成功：

        →~ nvcc -V

        出现下面的信息即成功：

 

        4. 安装cuDNN加速库

        本文采用的是CUDA8.0，对应的安装cudnn-8.0-linux-x64-v6.0.tgz。下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹：

        →~ cd /home/..../cudnn/

        →~ 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*

        5. 安装Keras框架

        →~ sudo pip install scikit-learn scikit-image

        →~ sudo pip install tensorflow-gpu  # GPU加速版

        →~ sudo pip install keras

        在终端中验证是否安装成功：

        →~ import tensorflow

        →~ import keras

        如果不报错，即配置成功！