11125人阅读
一、安装环境说明
Ubuntu系统
16.04-64位
anaconda 3.6
不使用系统自带的2.7版本
cuda_8.0.61_375.26_linux.run
NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动
cudnn-8.0-linux-x64-v5.1.tgz
（需要注册帐号，这里提供该版本的）
cuDNN是NVIDIA推出的深度学习中CNN和RNN的高度优化实现
TensorFlow
tensorflow_gpu_1.0.1
二、安转过程快速浏览
1.安装前准备
1.1 Verify You Have a CUDA-Capable GPU(确认你有一个可用CUDA的GPU)
$ lspci | grep -i nvidia
可以看到，我有三块可用的GeForce GTX 1080,你可以在这里你的GPU是否是CUDA-caplable。
1.2 Verify You Have a Supported Version of Linux(确认你的Linux版本支持CUDA)
CUDA开发工具只支持几个特定的Linux发行版本
$ uname -m && cat /etc/*release
Verify the System Has gcc Installed(查证你是否安装了gcc)
$ uname -r
$ sudo apt-get install linux-headers-$(uname -r)
2. 选择一种安装方式（runfile installation）
使用cuda_8.0.61_375.26_linux.run安装
2.1 确认之前的准备工作已经完成
2.2 Disable the Nouveau drivers(禁用nouveau,这一步至关重要！！！)
2.2.1使用以下命令查看Noueau驱动是否被加载了
$ lsmod | grep nouveau
Create a file at /etc/modprobe.d/blacklist-nouveau.conf with the following contents:
创建/etc/modprobe.d/blacklist-nouveau.conf，写入：
blacklist nouveau
options nouveau modeset=0
2.2.3 Regenerate the kernel initramfs:
$ sudo update-initramfs -u
3.Reboot into text mode (runlevel 3)(重启，进入文本模式)
重启后按: Ctrl+Alt+F1 进入文本模式
3.1 确认你的Nouveau没有被加载
Verify that the Nouveau drivers are not loaded. If the Nouveau drivers are still loaded, consult your distribution’s documentation to see if further steps are needed to disable Nouveau.
如何确认，请看 2.2.1
$ sudo /etc/init.d/lightdm stop
3.2 运行可执行文件
sudo sh cuda_8.0.61_375.26_linux.run
简单一点，除了Install the CUDA 8.0 Samples? (y)es/(n)o/(q)uit选择n外，其他信息都是默认和y.按n键不选择安装CUDA samples,我们只通过TensorFlow调用CUDA,不直接写CUDA代码，如果需要请选择’y’自行开启。
最后等待安装程序完毕。
3.3 安装完成后
check device nodes (检查设备节点): Check if /dev/nvidia* files exist。如果没有的话$ sudo modprobe nvidia
重启桌面服务
$ sudo service lightdm start
此时能够登录，没有login-loop问题。
4. 在系统环境里设置CUDA的路径
$ vim ~/.bashrc # 编辑
~/.bashrc 的最后中添加如下代码
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin:$PATH
$source ~/.bashrc
5. 安装cuDNN
cd到cuda的安装目录执行解压命令：
$ cd /usr/local
$ sudo tar -xzvf ~/downloads/cudnn-8.0-linux-x64-v5.1.tgz
这样就完成了cuDNN的安装。
6. 验证驱动版本和CUDA版本：
$ cat /proc/driver/nvidia/version
三、安装tensorflow
安装TensorFlow并测试，成功！！！
四、在jupyter notebook中添加tensorflow kernel
# python3 -m venv .env
# source .env/bin/activate
(.env)# python -m pip install ipykernel
(.env)# python -m ipykernel install --user --name my_project --display-name "My Project"
启动jupyter notebook
创建一个tensorflow kernel的test_tf.ipynb
如果实在远程主机上安装的，想要通过ip地址在本地访问jupyter notebook,请参考
以上就是所有的安装过程，接下来就是要学习怎么使用TensorFlow了，加油！！！
访问：51194次
积分：1028
排名：千里之外
原创：45篇
评论：29条
(1)(6)(2)(1)(4)(2)(5)(2)(4)(1)(1)(1)(1)(8)(3)(3)(1)(1)(5)Ubuntu16.04 +cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细
本文为原创作品，未经本人同意，禁止转载，禁止用于商业用途！本人对博客使用拥有最终解释权
欢迎关注我的博客：http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing
本文主要是介绍在ubuntu16.04下，怎么配置当下流行的深度学习框架，cuda8.0+cudnn+caffe+theano+tensorflow
安装英伟达显卡驱动
首先去官网上查看适合你GPU的驱动
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375（375是你查到的版本号）
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
执行完上述后，重启（reboot）。
重启后输入
nvidia-smi
如果出现了你的GPU列表，则说明驱动安装成功了。另外也可以通过，或者输入
nvidia-settings
在cuda所在目录打开terminal依次输入以下指令：
sudo dpkg -i cuda-repo-ubuntu-rc_8.0.27-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.0以上的编译器，因此需要降级，把编译器版本降到4.9：
在terminal中执行：
sudo apt-get install gcc -4.9 gcc-5 g++-4.9 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
配置cuda8.0之后主要加上的一个环境变量声明，在文件~/.bashrc之后加上
gedit ~/.bashrc
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}}
然后设置环境变量和动态链接库，在命令行输入
sudo gedit /etc/profile
在打开的文件里面加上（注意等号两边不能有空格）
export PATH=/usr/local/cuda/bin:$PATH
保存之后，创建链接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句：
/usr/local/cuda/lib64
保存退出执行命令行：
sudo ldconfig
使链接立即生效。
2、测试cuda的Samples
命令行输入（注意cuda-8.0是要相对应自己的cuda版本）
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo ./deviceQuery
返回GPU的信息则表示配置成功
3、使用cudnn
上官网下载对应的cudnn
下载完cudnn后，命令行输入文件所在的文件夹 (ubuntu为本机用户名)
cd home/ubuntu/Downloads/
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz #解压文件
cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
再cd进入lib64目录下的动态文件进行复制和链接：（5.1.5为对应版本具体可修改）
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
4、安装opencv3.1.0
从官网上下载opencv3.1.0
http://opencv.org/downloads.html
并将其解压到你要安装的位置，（下载的位置还是在home/ubuntu、Downloads文件夹下）
首先安装Ubuntu系统需要的依赖项，虽然我也不知道有些依赖项是干啥的，但是只管装就行，也不会占据很多空间的。
sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
然后安装OpenCV需要的一些依赖项，一些文件编码解码之类的东东。
sudo apt-get install build-essential cmake git
sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
在终端中cd到opencv文件夹下（解压的那个文件夹），然后
mkdir build #新建一个build文件夹，编译的工程都在这个文件夹里
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS=&-D_FORCE_INLINES& ..（后面两点不要忘记）
cmake成功后，会出现如下结果，提示配置和生成成功：
-- Configuring done
-- Generating done
-- Build files have been written to: /home/ise/software/opencv-3.1.0/build
由于CUDA 8.0不支持OpenCV的 GraphCut 算法，可能出现以下错误：
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54: error: 'NppiGraphcutState' has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppStat
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18: error: 'NppiGraphcutState' does not name a type
operator NppiGraphcutState*()
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9: error: 'NppiGraphcutState' does not name a type
NppiGraphcutState* pS
进入opencv-3.1.0/modules/cudalegacy/src/目录，修改graphcuts.cpp文件，将：
#include &precomp.hpp&
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
#include &precomp.hpp&
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION &= 8000)
然后make编译就可以了
上面是将opencv编译成功，但是并没有安装到我们的系统中，有很多的设置都没有写入到系统中，因此还要进行install。
sudo apt-get install checkinstall
sudo checkinstallsudo /bin/bash -c 'echo &/usr/local/lib& & /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig
这里感谢的提醒
然后按照提示安装就可以了。 使用checkinstall的目的是为了更好的管理我安装的opencv，因为opencv的安装很麻烦，卸载更麻烦，其安装的时候修改了一大堆的文件，当我想使用别的版本的opencv时，将当前版本的opencv卸载就是一件头疼的事情，因此需要使用checkinstall来管理我的安装。执行了checkinstall后，会在build文件下生成一个以backup开头的.tgz的备份文件和一个以build开头的.deb安装文件，当你想卸载当前的opencv时，直接执行dpkg
-r build即可。
5、配置caffe环境
切换编译器
选择g++ 5.0以上的对应编号
sudo update-alternatives --config g++
sudo update-alternatives --config gcc
安装依赖库
sudo add-apt-repository universe
sudo apt-get update -y
sudo apt-get install cmake -y
# General Dependencies
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \
libhdf5-serial-dev protobuf-compiler -y
sudo apt-get install --no-install-recommends libboost-all-dev -y
sudo apt-get install libatlas-base-dev -y
# Remaining Dependencies
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev -y
sudo apt-get install python-dev python-numpy –y
sudo apt-get install -y python-pip
sudo apt-get install -y python-dev
sudo apt-get install -y python-numpy python-scipy
编译 Caffe，cd到要安装caffe的位置
git clone https://github.com/BVLC/caffe.git
cp Makefile.config.example Makefile.config
修改Makefile.config:
gedit Makefile.config
对打开的文件编辑
# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1
# Uncomment if you're using OpenCV 3 如果用的是opencv3版本
OPENCV_VERSION := 3
# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1
在问件里面添加文本由于hdf5库目录更改，所以需要单独添加：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/
打开makefile文件
gedit Makefile
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
编辑/usr/local/cuda/include/host_config.h，将其中的第115行注释掉：
sudo gedit /usr/local/cuda/include/host_config.h
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
之后编辑即可
make -j4 all
make -j4 runtest
为了更好地使用pycaffe ，建议安装：
sudo apt-get install python-numpy python-setuptools python-pip cython python-skimage python-protobuf
make pycaffe
import caffe #测试安装成功
到这里Caffe开发环境就配置好了！
可以测试一下，输出AlexNet的时间测试结果：
cd ~/caffe
./build/tools/caffe time --gpu 0 --model ./models/bvlc_alexnet/deploy.prototxt
6、theano安装
1、直接输入命令：
sudo pip install theano
2、配置参数文件：.theanorc
sudo gedit ~/.theanorc
对打开的文件进行编辑
floatX=float32
device=gpu
base_compiledir=~/external/.theano/
allow_gc=False
warn_float64=warn
[mode]=FAST_RUN
fastmath=True
root=/usr/local/cuda
3、运行测试例子：
sudo Vim test.py
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time
vlen = 10 * 30 * 768 # 10 x #cores x # threads per core
iters = 1000
rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in range(iters):
t1 = time.time()
print(&Looping %d times took %f seconds& % (iters, t1 - t0))
print(&Result is %s& % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
print('Used the cpu')
print('Used the gpu')
可以看到结果：
/usr/bin/python2.7 /home/hjimce/PycharmProjects/untitled/.idea/temp.py
Using gpu device 0: GeForce GTX 960 (CNMeM is disabled, cuDNN not available)
[GpuElemwise{exp,no_inplace}(&CudaNdarrayType(float32, vector)&), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.302778 seconds
Result is [ 1... ..., 2..
Used the gpu
说明安装成功
7、tensorflow 安装
先安装anaconda
上面的地址下载 该包默认在downloads里面
cd /home/username/Downloads
sudo bash Anaconda2-4.2.0-Linux-x86_64.sh
配置环境变量
gedit /etc/profile
末尾添上,我是一路yes下来，所以安在了root下，你可以自己选路径，这时候的环境变量要改
export PATH=/root/anaconda2/bin:$PATH
2、创建conda环境 名字叫tensorflow
conda create -n tensorflow python=2.7
source activate tensorflow #使能该环境
#下面这句话只能下载给CPU用的tensorflow
conda install -c conda-forge tensorflow
利用pip来下载给GPU用的tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl
pip install --ignore-installed --upgrade $TF_BINARY_URL
安装IPython
conda install ipython
关掉该环境
source deactivate
测试安装是否正确
source activate tensorflow
import tensorflow as tfimport numpy as np # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3x_data = np.random.rand(100).astype(np.float32)# Try to find values for W and b that compute y_data = W * x_data + by_data = x_data * 0.1 + 0.3
# figure that out for us.)# (We know that W should be 0.1 and b 0.3, but TensorFlow will
y = W * x_data + bW = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
optimizer = tf.train.GradientDescentOptimizer(0.5)# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
train = optimizer.minimize(loss)
# Launch the graph.# Before starting, initialize the variables. We will 'run' this first.
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
# Fit the line.
for step in range(201):
# Learns best fit is W: [0.1], b: [0.3]sess.run(train)
if step % 20 == 0:
print(step, sess.run(W), sess.run(b))
8、Caffe配置错误
问题：找不到Python.h
解决：给anaconda添加环境变量
gedit ~/.banshrc
export PATH=/root/anaconda2/bin:$PATH
export PYTHONPATH=/path/to/caffe/python:$PATH
修改Makefile.config
在终端输入
locate Python.h
gedit Makefile.config
在INCLUDE_DIRS 和LIBRARY_DIRS后面添上
/root/anaconda2/include/python2.7
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_ INCLUDE =$(ANACONDA_HOME)/include\
,把前面的#去掉,那三行都去掉#，并在注释上面，
注释这两句PYTHON_INCLUDE := /usr/include/python2.7\
/usr/lib/python2.7…………..
如果编译的时候发现有错，回来改完之后又得重新编译一遍pycaffe，于是出现如下错误
make: Nothing to be done for 'pycaffe'
则在终端输入：
sudo make clean
修改完后再
sudo make pycaffe
这里要从make –j8 all那一步开始编译
编译完后，显示
然后 cd python进入该目录
import caffe
若此时提示错误：
Traceback (most recent call last)
ImportError: /home/../anaconda2/lib/python2.7/site-packages/zmq/backend/cython/../../../../.././libstdc++.so.6: versionGLIBCXX_3.4.21' not found
pip install protobuf
sudo apt-get install python-protobuf
conda install libgcc
福利答谢大家！
感谢您阅读本篇文章，对此特别发放一个无门槛的现金红包，打开支付宝扫码领取，可以领到钱的哦！
看过本文的人也看了：
我要留言技术领域：
取消收藏确定要取消收藏吗？
删除图谱提示你保存在该图谱下的知识内容也会被删除，建议你先将内容移到其他图谱中。你确定要删除知识图谱及其内容吗？
删除节点提示无法删除该知识节点，因该节点下仍保存有相关知识内容！
删除节点提示你确定要删除该知识节点吗？他的最新文章
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA... - 简书
windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速
写在前面的话
日，Google Brain 工程师团队宣布在 TensorFlow 0.12 中加入初步的 Windows 支持。但是目前只支持64位，而且Python版本为3.5版本，需要CUDA 8.0 。
之前Tensorflow对windows的支持并不好，导致如果需要使用它，需要转移到Linux平台，或者使用Cygwin什么的，总之挺麻烦，现在好了。麻烦事google帮我们解决了。感谢google！
Tensorflow和Keras都是支持Python接口的，所以本文中说的都是搭建一个Python的深度学习环境。还有一点，我也是新手，写得不好请勿喷！忽视本文就好。
如果你不清楚Keras和Tensorflow是什么关系？请看下图：
Keras与Tensorflow和theano关系图.png
Keras是对Tensorflow或者Theano的再次封装，也就是以Tensorflow或Theano为后端，默认的后端是tensorflow，如果你想使用theano为后端，可以更改为theano。
Keras为什么要对tensorflow和theano进行再次封装，当然是为了使用更简单！为了让我们不用关注那么多的底层细节，把所有精力都放在实际问题上面。
Tesorflow与theano是可以使用Nvidia GPU进行加速的，如果你的GPU不支持CUDA，那么也不用担心，那就使用CPU，只是速度慢点（其实是慢很多！(_)）。如果你的GPU支持CUDA，不用犹豫了，果断使用CUDA进行加速吧，速度快个10~20倍，那是常事。
好了说了这么多，下面进入正题。
一、文件准备
windows 10 64bit旗舰版（版本1607，OS内部版本 ）
cuda_8.0.44_win10.exe: CUDA安装文件。。
CUDA是由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
Visual Studio 2015 Community: 请使用Community版本（社区版），因为它是免费的！免费的！当然，你注册个微软账号使用起来就更好了。
Rapid Environment Editor（环境变量编辑器）
先把它安装了吧，编辑环境变量方便点。
Anaconda3-4.2.0-Windows-x86_64.exe
Anaconda是一个Python科学计算环境，提供了很多常用的Python库，例如：
numpy，scipy, matplotlib等等。自带的包管理器conda也很强大，可以方便地安装各种Python库。
下载地址：
DXSDK_Jun10.exe
微软的DirectX SDK工具包，不安装它的话，后面编译CUDA_Samples是没法成功的。下载地址：
cudnn-8.0-windows10-x64-v5.1.zip
CUDA的神经网络加速库，可以在前面GPU加速基础上大概再提升1.5倍的速度。 下载地址：
1. 安装Rapid Environment Editor
这个东西是编辑环境变量的，挺好用的，先把它安装了吧。后面给自己省事。安装完成后，默认界面是英文的，到设置里面改为中文吧。启动的时候，设置位管理员启动吧，不然没法更改系统环境变量。
2. 安装DXSDK_Jun10.exe
直接按照提示下一步就好了。我在windows 10上安装的时候，最后的时候会报错，不过没有关系，关掉那个框。搜索下"d3dx9.h"、"d3dx10.h"、"d3dx11.h"头文件是不是存在，如果路径如下这个样子，就成功了。路径：C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include\d3dx9.h
DirectX SDK S1023错误.png
二、安装CUDA
深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。如果不需要GPU加速，直接跳到第三部分。
2.1 检查GPU是否支持CUDA
先确定下自己的显卡型号（不要告诉我你不知道怎么查看自己的显卡型号）。安装CUDA前先检查下，自己的显卡是否支持CUDA，可以从下面的网址查看自己的显卡是否在支持之列。如果你的显卡比较新，到这里检查是否支持CUDA：
如果你的显卡很老，请到如下链接检查是否支持CUDA：
注意笔记本和desktop的区别。
如果自己电脑显卡不支持的话就跳过第二部分，直接到第三部分。我的显卡是GTX650，是支持CUDA的，所以继续。
2.2 安装Visual Studio 2015 community
Visual Studio 2015 community的安装包到哪里找，我就不说了。安装VS2015前，请先断网，不然安装过程会下载一堆东西，过程极慢。安装时只选择Visual C++部分，其他都可以不装，这样安装起来更快。安装要一会儿，请耐心等待。
2.3 CUDA安装
1. CUDA 8.0下载
从CUDA的官网下载安装文件，，我安装时最新版本是 CUDA 8.0. 注意选择系统是windows 10，选择exe(local)那个Installer Type。如下图：
CUDA8.0下载.jpg
如果需要下载CUDA的历史版本，请到这里：
2. 测试CUDA安装结果
打开命令提示符，输入：nvcc -V
可以看到如下信息：
但是，这样并不代表安装成功了。等把CUDA_Samples示例编译通过不报错了，才能算是成功。
3. 编译CUDA示例程序
（1）在 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 目录下，有CUDA的示例程序。由于我安装的是VS2015，所以我打开Samples_vs2015.sln那个解决方案文件，将解决方案配置更改为Release和x64.
使用Release模型，由于所有程序安装包用的都是64位版本，所以改为x64比较好。
（2）右键单击，编译整个解决方案。如果不出意外，将会编译成功。如果提示是缺少：
"d3dx9.h"、"d3dx10.h"、"d3dx11.h"头文件 ，说明前面安装DirectX SDK没有安装好，重新安装下DXSDK_Jun10.exe，再次编译。
（3）关闭VS2015，在
c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release
目录下找到deviceQuery.exe这个文件。打开一个cmd窗口，定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录，输入：deviceQuery.exe ，然后回车。会得到如下结果：
检查CUDA是否安装成功.jpg
如果你的结果与上面类似，恭喜你！CUDA 8.0安装成功了！
如果报错了，请检查下前面的步骤是否严格执行了。重新再来，直到成功。
三、安装Tensorflow与Keras
3.1 安装Anaconda
1. 下载Anaconda
Anaconda包含很多科学计算的包，例如numpy、scipy等等，可以为你省去不少麻烦，它的官网在这里： ，下载最新的Anaconda 4.2版本，Python版本选择3.5 64bit的那个版本。
下载Anaconda.jpg
万一你执意使用Python 2.7，我只能告诉你，最新的tensorflow-0.12在windows平台可能对python-2.7支持得不够好，中间会出问题的。
2. 安装Anaconda
如果你之前有安装Anaconda 2系列的，在环境变量里面把相关的环境变量给删除了。
C:\Anaconda2
C:\Anaconda2\Scripts
C:\Anaconda2\Library\bin
安装挺简单，我一般安装在C盘根目录下：c:\Anaconda3
建议大家也安装到根目录下。
安装时，在Install for那个界面，建议选择【All Users(requires admin privileges)】那个选项。
在如下那个界面中，把两个选项都勾上（默认是勾上的）
安装Anaconda-2个选项.png
3.2 更改pip的默认源
Python开发安装包时，使用pip进行包安装非常方便。但pip默认的源服务器在国外，下载非常慢，而且经常出现下载后安装出错问题。因此，有必要更换为国内的pypi源。
对于windows来说，直接在当前用户目录下新建一个pip.ini文件，例如：c:\Users\Luoge\pip.ini
pip.ini的文件内容如下：
index-url = http://mirrors.aliyun.com/pypi/simple/
trusted-host=mirrors.aliyun.com
上面是将源更换为了阿里云的源（阿里爸爸牛逼！~），输入完成后，记得保存。
3.3 安装Tensorflow
下面两种安装方式二选一。
在线网络安装方式
保持网络连接，从开始菜单中打开Anaconda Prompt，输入：pip install tensorflow-gpu
然后就耐心等待吧。如果安装成功了，跳过离线安装方式。
在线安装tensorflow.png
如果它提示你更新pip，你就按照提示更新pip好了。
如果这种方式安装失败了，请看下面的 离线安装方式
离线安装方式
如果在线从pip安装tensorflow总是失败，那就下载python的whl包，本地安装的。
下载地址：
Ctrl+F搜索Tensorflow，找到： tensorflow_gpu-0.12.0rc1-cp35-cp35m-win_amd64.whl
注意下载带gpu字样的版本，它才支持GPU加速。下载也不太快，视你的网速而定。
为了方便大家，我在百度云上上传了一份，大家也可以上百度云下载：
从开始菜单中打开Anaconda Prompt，输入：pip install c:\Users\Luoge\Downloads\tensorflow_gpu-0.12.0rc1-cp35-cp35m-win_amd64.whl
然后，等待安装完成就好了。
3.4 安装Keras
保持网络连接，从开始菜单中打开Anaconda Prompt，输入：pip install keras
回车，安装就开始了，它会顺带把Theano也给安装上，但是这里安装的Theano版本比较老，是Theano-0.8.2。我们使用tensorflow作为后端，而不是theano，所以不用理会它，让它装上就好了。
四、测试Keras是否安装成功
从开始菜单中打开Anaconda Prompt，在命令行中输入：python，再输入：
import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))
如果正确打印出结果32，不报错，说明tensorflow安装成功。
import keras
若不报错，说明安装成功。
五、让速度更快一点
1. cuDNN可以在前面GPU加速基础上大概再提升1.5倍的速度，它由nVIDIA开发。可以到nVIDIA官网上下载。下载之前需要注册，然后问一系列问题，请耐心弄完。然后就可以下载了。不要下载错了，下载windows 10系统下64位的，最新的支持CUDA 8.0的cuDNN-5.1，文件名是：cudnn-8.0-windows10-x64-v5.1.zip
下载cudnn.jpg
2. 下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
3. 如何验证CuDNN是否配置成功呢？
打开Anaconda Prompt，输入python，再输入import tensorflow，显示的如果是下图这样子，不提示没有安装cudnn，就成功了。
cudnn安装成功后.jpg
1. 介绍 首先让我们来看看TensorFlow！ 但是在我们开始之前，我们先来看看Python API中的TensorFlow代码，这样你就可以感受到我们怎么做的。 这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它。 该代码的第一部分构建了数据流图...
官网安装方法： https://www.tensorflow.org/install/install_windows 1.pip 2.Anaconda 3.源码：http://www.jianshu.com/p/d0a5fa97fcc8 说明：使用pip或anaconda等...
网址 下载与安装 你可以使用我们提供的 Pip, Docker, Virtualenv, Anaconda 或 源码编译的方法安装 TensorFlow. 1. Pip 安装 Pip 是一个 Python 的软件包安装与管理工具.在安装 TensorFlow 过程中要涉及安...
5.2 Mac OS安装说明 译者：Python 文档协作翻译小组，原文：Mac OS Installation Instructions。本文以 CC BY-NC-SA 4.0 协议发布，转载请保留作者署名和文章出处。Python 文档协作翻译小组人手紧缺，有兴趣的朋友可...
文档更新时间：
GPU： GeForce GTX 1080 TiLinux：Ubuntu 16.04Kernel：4.8.0gcc：5.4.0 安装目录 一、基础Anaconda3PipSSH 二、数据库连接MongoDB - PyMongoPos...
现在的夜不会真正的黑 像死的鱼肚白覆盖着不透明的水 捅破它，穿过它 空无寂寥的宇宙才能黑的纯粹 城里的霓虹还没有睡 它今天和教坊的圣歌多喝了几杯 脱掉了红底高跟鞋的老太婆 撩起裙子笑得玩味 夜化为美艳舞姬却没有五官 钛白的脸庞没有气息却呵气如兰 她浮冰般的躯体凹凸有致 盛满...
我经常在夜晚路过中餐馆的时候，心想着怎么有人这么不怕苦。 他们在晚上十一点还大敞着门，煎炸煮炖，洗洗涮涮，一对小夫妻忙活着七八个人要做的事，让旁边数家九点就打烊的当地餐厅显得冷清，而想必第二天他们又要顶着日出，去买菜上货，切菜备肉，招呼顾客，算账关门…三百六十五天，生活就是...
在跟很多创业者聊天的时候，会经常听到这样的论调。现在生意不好做，行业不景气，经济萎靡不振了。有的会说：我空有一腔抱负，想创业却无法施展，不知道干点啥；还有的创业者说：创业之前我是爷爷，创业之后我是孙子。是啊，创业真的要是那么容易，估计路上的国产车都换奔驰了，暴发户也不再是煤...
辣妈美学| 母乳能量 | 瑜伽教程| 福利活动 全文字数：1077 阅读时间：6分钟 《辣妈美学》 让你真正释放母爱的能量。 1.世界对胖子充满恶意 小编曾经也是个“小腰精”，身高165，生娃前100斤上下浮动。参加老公同学聚会的时候人人都夸他媳妇身材好。老公嘴里说着“还好...