标签：环境配置 epo 目录 解压 profile logs ros nvidia 初始化
本文是个人对Keras深度学习框架配置的总结，不周之处请指出，谢谢！
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=/usr/local/cuda-8.0
→~ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
→~ export LD_LIBRARY_PATH=/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！
Keras学习环境配置-GPU加速版（Ubuntu 16.04 + CUDA8.0 + cuDNN6.0 + Tensorflow)
标签：环境配置 epo 目录 解压 profile logs ros nvidia 初始化
原文地址：http://www.cnblogs.com/HSLoveZL/p/7742606.html
