最近由于項(xiàng)目需要，要用到深度學(xué)習(xí)相關(guān)內(nèi)容。從導(dǎo)師那兒拿了一塊N卡替換掉了我那不能進(jìn)行cuda加速的A卡。自己電腦是Ubuntu 16.04和win10雙系統(tǒng)，但是平時(shí)科研也是win10用的多，且TensorFlow和Keras深度學(xué)習(xí)框架也都支持Windows，所以打算在win 10下配置gpu版的TensorFlow和Keras深度學(xué)習(xí)平臺(tái)（主流深度學(xué)習(xí)框架參考我這篇博客）。具體流程如下：

整個(gè)python深度學(xué)習(xí)架構(gòu)圖如下所示：

我的安裝配置信息：
系統(tǒng)：win10 64位
顯卡：NVIDIA Quadro M2000
語(yǔ)言：python（anaconda）
cuda加速：CUDA? Toolkit 8.0+cuDNN v6.0
深度學(xué)習(xí)框架：TensorFlow+Keras

注：電腦上最好有一款visual studio 版本，我電腦上安裝的有vs 2015和vs2017

好。接下來(lái)是安裝流程：

1. 安裝CUDA? Toolkit 8.0+cuDNN v6.0

先確認(rèn)自己的電腦是N卡及其型號(hào)，顯卡的計(jì)算能力需要大于等于3.0，在這個(gè)網(wǎng)站查看自己電腦顯卡的計(jì)算能力。
1.1 下載CUDA Toolkit 8.0，我這里下載的是2017年2月更新的GA2版本，下載鏈接：https://developer./cuda-toolkit-archive
具體信息如下圖：

測(cè)試安裝結(jié)果：
打開(kāi)命令提示符，輸入：nvcc -V
如果有提示安裝信息，就說(shuō)明大致是安裝成功了。

但是，這樣并不代表安裝成功了。等把CUDA_Samples示例編譯通過(guò)不報(bào)錯(cuò)了，才能算是成功。這個(gè)網(wǎng)上有示例，這里不再贅述。

2. 安裝anaconda集成環(huán)境

2.1 去官網(wǎng)下載windows版本的Anaconda，我這里下載的是目前最新版本，Anaconda 5.0.1（python 3.6）。

2.2 安裝anaconda：按照提示一步步安裝就好，安裝過(guò)程中會(huì)提示要不要添加環(huán)境變量，那個(gè)鉤默認(rèn)是沒(méi)有鉤上的，我這里選擇了把它鉤上，這樣后面就不需要我們手動(dòng)去添加環(huán)境變量了。

2.3 安裝完畢后，在控制臺(tái)輸入pyhon顯示提示信息則安裝成功。如下圖所示：

3. 安裝gpu版本的tensorflow

3.1 按照官網(wǎng)的提示，先生成TensorFlow的一個(gè)環(huán)境，目前TensorFlow已經(jīng)支持python 3.6，我這里生成TensorFlow環(huán)境還是選擇了python 3.5，考慮到python 3.5比較穩(wěn)定。
生成TensorFlow環(huán)境使用如下代碼：

conda create -n tensorflow-gpu python=3.5 
1

具體如下圖所示：

3.2 安裝完成后，在電腦開(kāi)始菜單中找到安裝anaconda附帶安裝的Anaconda Navigator這個(gè)軟件打開(kāi)，在左邊那一欄找到Environments，這時(shí)可以環(huán)境我們建立的tensorflow-gpu環(huán)境已經(jīng)生成。如下圖所示：

3.3 安裝gpu版本的tensorflow-gpu：建立tensorflow環(huán)境后，每次需要在該環(huán)境下工作，我們需要先激活它，使用如下代碼：

activate tensorflow-gpu
1

不用時(shí)退回到root環(huán)境使用如下代碼：

deactivate tensorflow-gpu
1

好，現(xiàn)在我們開(kāi)始裝tensorflow，先使用以上命令激活tensorflow-gpu環(huán)境。

cpu版本的tensorflow輸入以下命令：

pip install --ignore-installed --upgrade tensorflow 
1

gpu版本的tensorflo輸入以下命令：

pip install --ignore-installed --upgrade tensorflow-gpu
1

如下圖所示：

提示正在下載tensorfl_gpu，耐心等待下載安裝就行。

到這里gpu版本的tensorflow就安裝完了，接下來(lái)測(cè)試是否安裝成功：
在控制臺(tái)先后輸入以下測(cè)試代碼，不出錯(cuò)就表示安裝成功了：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
1
2
3
4

如下圖所示：

3.4 安裝spyder IDE：一款好的IDE能給項(xiàng)目開(kāi)發(fā)帶來(lái)極大的便利，接下來(lái)我們?cè)趖ensorflow-gpu環(huán)境下安裝spyder，激活tensorflo-gpu環(huán)境后在控制臺(tái)使用包管理器conda安裝spyder如下所示：

conda install spyder
1

然后會(huì)相應(yīng)的安裝一連串的依賴(lài)包，按照提示輸入y安裝即可，接下來(lái)就是漫長(zhǎng)的等待時(shí)間…

這時(shí)我們打開(kāi)Anaconda Navigator，切換到tensorflow-gpu環(huán)境就可以看見(jiàn)我們已經(jīng)在該環(huán)境下安裝了依賴(lài)的許多包，接下來(lái)我們打開(kāi)soyder測(cè)試tensorflow是否安裝成功，如下圖所示：

到這里基于cuda加速的tensorflow就算安裝完了，接下來(lái)基于此安裝Keras深度學(xué)習(xí)框架

4. 安裝Keras

安裝套路和安裝其他包一樣套路相似，在控制臺(tái)先激活tensorflow-gpu：activate tensorflow-gpu，然后使用pip安裝即可，pip install keras。

注：這里使用pip安裝而不是使用conda，原因是使用conda安裝會(huì)默認(rèn)安裝cpu版本的tensorflow，如下圖所示：
使用conda安裝會(huì)提示安裝其他依賴(lài)包，如下圖所示；這其中就包括cpu版本的tensorflow，這是我們不想要的。