机器学习环境配置：Anaconda+tensorflow GPU +CUDA+cuDNN+Keras

环境

工具	版本号
anaconda
python	3.5
tensorflow gpu	1.15.0
CUDA	10.0
cuDNN	7.4
keras	2.1.5

本篇主要是为了记录在安装tensorflow gpu，CUDA，cuDNN等过程中踩得坑，以及总结了其他博文中的一些内容。

首先要确定好版本号，先查看你本机的NVIDIA显卡驱动程序是否已经安装了CUDA，并确定CUDA的版本号，如果CUDA和tensorflow GPU 的版本号不对应的话，在安装过程中会产生一系列的问题，以下是我的总结，可以按照如下的安装步骤进行安装。

anaconda安装与环境配置

可以参考这篇博文：anaconda安装与环境变量

在安装tensorflow gpu，CUDA，cuDNN时主要是各个版本不兼容的问题。因此版本号的选择很重要。

一、确定本机是否支持CUDA
首先需要确定你本机的显卡是否支持安装Tensorflow GPU版本。
打开设备管理器查看显卡型号，谷歌搜索你的显卡型号；


本机支持CUDA

二、选择CUDA的版本号
CUDA下载
测试：
在控制台输入cncc -V

三、选择对应的cuDNN
cuDNN下载
cuDNN下载时需要登录，下载后将压缩包中对应的文件复制到CUDA安装目录下对应的文件中。
参考博文：cuDNN配置
四、选择对应版本的tensorflow gpu
版本号对应

tensorflow GPU

一、在anaconda中创建tensorflow环境
1、创建tensorflow环境

conda create -n tensorflow pip python=3.5  #虚拟环境的名称为tensorflow

2、**tensorflow环境，并进入tensorflow环境下

activate tensorflow

3、下载tensorflow gpu 1.15.0版本

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.15.0

4、测试

1.进入tensorflow环境
>>activate tensorflow
2.输入python
>>python
3.输入以下命令
>>import tensorflow as tf
>>hello=tf.constant(‘hello,world’)
>>sess=tf.Session()
>>print(sess.run(hello))

显示以下，表示tensorflow安装成功。

Keras

pip install keras==2.1.5

测试：

import keras

没有报错表示安装成功。