Ubuntu下用Spyder使用Keras(GPU)的环境搭建

入坑几天，装无数次，为了防止忘记及以后还要安装，特写下此文以供参考。

首先，报一下我的设备：Ubuntu16.04TL，NVDIA Geforce 680，这是比较老的GPU了，姑且用来做初步实验。

然后，从零开始，需要安装显卡驱动+CUDA+cuDnn+Anaconda3+Tensorflow+Keras

1、显卡驱动，首先，千万不要用系统自带的，因为后面会碰到错误（没错，入坑过），为以防万一，到NVDIA官网找到自己对应的驱动版本，下载。可参考这篇博文进行安装《Ubuntu16.04安装NVIDIA显卡驱动》。我选择了版本390。

2、在安装CUDA8.0之前，要先对gcc进行降级。CUDA8.0 不支持 gcc 5.0 及以上的编译器，而系统自带的是5.4及以上版本，因此我们需要降版本，否则会在后面报错。可参考这篇博文《Ubuntu16.04 的GCC版本降级》。我的是降级到5.3。

3、安装CUDA8.0。这个很多博文都有介绍，我本来选择了.deb下载，但是出问题，于是选择.run下载，这个就基本上没有问题了，按照下载页下面的安装命令进行安装即可。安装后记得加环境变量就行。这里是安装包下载地址。

用$ sudo gedit /etc/profile命令进行环境变量的添加，在文档的最后边输入：

1. 
   
2. export PATH=/usr/local/cuda-8.0/bin:$PATH
3. export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

然后在终端输入source /etc/profile，使设置生效。

之后检查CUDA安装是否成功，打开终端，依次输入：

1. 
   
2. cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #进入CUDA安装目录
3. sudo make -j4 #4核
4. ./deviceQuery #测试

如果看到Pass，则安装成功。也可以用nvcc --version查看。也可以输入cuda，按两次Tab键，有弹出命令提示即成功。

4、安装cuDnn5.1，官网下载地址：https://developer.nvidia.com/rdp/cudnn-download

可以参考这篇博文进行安装cuDnn《ubuntu16.04 + NVIDIA驱动 + CUDA + cuDNN + tensorflow-gpu + keras安装》

5、安装Anaconda3。下载地址在这里，我下载的是python3.5对应的版本，Anaconda3-4.2.0-Linux-x86_64.sh，进入安装包目录打开终端：

bash Anaconda3-4.2.0-Linux-x86_64.sh

如果提示pip需要更新，安装提示更新即可。

6、安装Tensorflow-gpu版，我是这么做的：下载好安装包+建立对应的conda环境+激活环境+真正安装+测试+关闭环境

下载地址在这里，我选择的是tensorflow_gpu-1.2.0版本，注意这里版本要跟CUDA8.0版本和cuDnn5.1版本对应，否则难免会出错，可以网上查好自己的设备对应的版本。

安装步骤如下：

1. 
   
2. conda create -n tensorflow-gpu python=3.5 # 建立一个名为tensorflow-gpu的python3.5环境
3. source activate tensorflow-gpu # 激活 tensorflow-gpu 环境
4. cd Download # 进入tensorflow安装包位置
5. pip install tensorflow_gpu-1.2.0-cp35-cp35m-manylinux1_x86_64.whl

等待安装完毕即可。

测试：

1. 
   
2. python
3. import tensorflow as tf
4. hello = tf.constant(‘hello tensorflow!’)
5. sess = tf.Session()
6. print(sess.run(hello))

正确输出即可。

关闭tensorflow环境

source deactivate tensorflow-gpu

7、安装Keras，直接pip install keras即可，测试：import keras，输出为Using TensorFlow backend，即成功。

8、最后一步也很关键，参考博文《Ubuntu16.04+CUDA+CUDNN+Anaconda+Tensorflow+keras深度学习环境搭建》末尾，当我们使用anaconda的IDE spyder进行编辑时候，如果没有激活tensorflow-gpu这个环境依旧会报错，发现无法导入tensorflow模块，那么问题来了，以后是否每次使用TensorFlow，我们都要激活环境 : source activate tensorflow-gpu，然后才能去使用TensorFlow呢？这岂不是很不方便，当我们需要在 spyder中 调试很多行程序时，岂不是很不方便？为了解决这个问题，该博主提出了这个我认为最方便的方法：

（1）在建立的tensorflow-gpu激活环境中用 conda list命令看下tensorflow的安装路径

（2）将该路径/home/server/anaconda3/envs/tensorflow-gpu下lib/python3.5/site-packages 文件夹中所有文件（即site-packages中所有文件）anaconda安装路径下的lib/python3.5/site-packages中，注意复制时如果出现同名文件应选择替换。这样就可以直接用了，不需要再激活环境。

9、进入spyder，在代码中遨游！打开终端，输入spyder，尽情享受码农的快乐吧~

10、总结一下，我比较喜欢下载好安装包再进行安装，因为你永远不知道自己需要装多少次。。。然后，千万不要相信Keras中文文档里面的安装步骤！千万不要相信Keras中文文档里面的安装步骤！千万不要相信Keras中文文档里面的安装步骤！没有那么简单！！！