爲深度學習所用，博主預想在Ubuntu16.04上安裝 顯卡驅動 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm，參考了衆多資料，最終成功將所有軟件安裝完畢，且能成功運行使用。該篇博客介紹了Tensorflow-gpu與Keras的安裝教程（默認已手動安裝CUDA及cuDNN），亦可通過下方鏈接查看其他步驟的安裝教程。
安裝 Tensorflow-gpu 與 Keras（附測試）
安裝 Tensorflow-gpu
本教程基於 Anaconda3 安裝 Tensorflow-gpu，Anaconda3內置可安裝Python的不同版本，因此無需特地手動安裝Python
1、下載 Anaconda3 安裝包，使用清華鏡像下載，網址：清華大學開源軟件鏡像站
2、進入下載安裝包所在位置，鼠標右鍵打開終端，輸入以下命令安裝Anaconda3（其中 xxx 爲你所下載的 Anaconda3 安裝包名稱）
bash ./xxx.sh
安裝 Anaconda3 過程中會有一些提示，除去最後一個詢問是否安裝VSCode軟件可以自行選擇，其餘提示都輸入 yes ，默認Anaconda3安裝在 “Home” 位置
3、換源，向終端輸入以下命令，添加清華源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
4、創建Python環境，其中 tensorflow-gpu 爲創建的環境名稱，可自行修改，python=3.6 爲該環境依賴的Python版本，可自行修改版本
conda create -n tensorflow-gpu python=3.6
創建環境完成後，會提示激活環境與取消激活的命令，可將這兩條命令記錄在TXT文件中，以便今後使用
5、激活環境，其中 tensorflow-gpu 爲需要激活的環境名稱，可自行修改
source activate tensorflow-gpu
6、安裝 Tensorflow-gpu，其中 tensorflow-gpu==1.10.0 是Tensorflow-gpu安裝的版本，可自行修改版本
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.10.0
7、安裝完畢後，可測試Tensorflow-gpu是否安裝成功
輸入以下命令執行Python
python
輸入以下命令導入tensorflow包，回車導入，若無報錯，則說明Tensorflow-gpu安裝成功
import tensorflow as tf
8、取消激活，退出環境（退出Python可鍵入 Ctrl + Z ）
source deactivate
每次進入Anaconda3提供的Python環境中都需要激活環境，當不再使用該環境時，需要取消激活，再退出環境，如果退出環境後要再次進入環境，需要打開一個新的終端使用，而原本的終端無法再次激活環境
source activate tensorflow-gpu //激活
source deactivate //取消激活
安裝 Keras
Keras的安裝與Tensorflow-gpu的安裝類似，都是基於Anaconda3實現
1、打開終端，激活安裝有Tensorflow-gpu所在的環境，其中 tensorflow-gpu 爲需要激活的環境名稱，可自行修改
source activate tensorflow-gpu
2、安裝Keras，其中 keras-gpu==2.2.0 爲Keras的版本信息，因安裝Tensorflow-gpu，故而Keras也需安裝GPU版本，版本號可自行修改
pip install keras-gpu==2.2.0
3、安裝完畢後，可測試Keras是否安裝成功
輸入以下命令執行Python
python
輸入以下命令導入keras包，回車導入，若僅彈出 Using TensorFlow backend. ，而無報錯，則說明Keras安裝成功
import keras
4、取消激活，退出環境（退出Python可鍵入 Ctrl + Z ）
source deactivate
