快速配置tensorflow,keras,pytorch等深度學習環境

安裝GPU驅動

首先保證gpu驅動已經成功安裝，根據GPU版本在Nvidia官網下載對應的驅動，windows環境下載Nivdia的安裝包，直接安裝即可。Linux版本需要退出圖形界面，使用命令安裝。一個簡單的辦法是使Linux系統自己識別GPU驅動版本，（Ubantu在software update裏） 並自動更新。安裝完成後重啓系統即可。

安裝cuda

直接用cuda，在這裏下載對應版本的cuda並安裝，並按官網提示的安裝指令進行安裝。例如您下載的是Ubantu下的deb文件，可以使用官網提供的四行命令：

sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.168-418.67_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

安裝Cudnn

這個是Nvidia提供的深度學習的GPU API，一般的深度學習庫都會通過它來調用GPU的深度學習計算。在這裏下載相應版本的Cudnn，並解壓。
將解壓後的文件複製到/usr/local/cuda-8.0 or cuda.9.0的庫中。cudnn.h應位於cuda/include中， libcudnn.\文件應位於cuda\lib64中。使用命令：

mv cudnn.h /usr/local/cuda/include 
mv libcudnn.* /usr/local/cuda/lib64 

安裝Anaconda

如果不想安裝 Anaconda，可以跳過這一步。因爲現在深度學習庫更新的比較頻繁，對於同一個庫，我們有可能使用多個版本，比如tensorflow-gpu1.0.0 , …, tensorflow-gpu2.0.0 ，因此，安裝Anaconda 可以創建多個環境來安裝不同版本的深度學習庫。

安裝Anaconda，在官網下載對應的版本，在右上角點Download，點擊windows或者linux版本即可下載。

windows 版本可以直接雙擊安裝, easy to do it。Linux 版本的可以使用命令 sh Anaconda_xxx.sh 安裝，also easy.

假設您使用的是linux平臺。

安裝pip

根據對應的python版本，安裝相應的pip。這裏推薦使用 python get_pip.py 來安裝。使用命令：

python3 get-pip.py

安裝深度學習庫

安裝tensorflow

conda install tensorflow-gpu

或者

pip3 install tensorflow-gpu==2.0.0

安裝keras

pip3 install keras

安裝pytorch

conda install pytorch=0.4.1 cuda90 -c pytorch

或者

pip install torch==1.0.1 -f https://download.pytorch.org/whl/cpu/stable # CPU-only build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu80/stable # CUDA 8.0 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu90/stable # CUDA 9.0 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu92/stable # CUDA 9.2 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu100/stable # CUDA 10.0 build

或者

pip3 install https://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-linux_x86_64.whl