搭配linux+Anaconda+TensorFlow+Keras+GPU环境

搭配linux+Anaconda+TensorFlow+Keras+GPU环境

1． 安装anaconda
注意：linux 系统不同，命令可能略有差异，如口令前sudo。以下都是如此。
将安装包copy到Server（服务器一般都是linux系统）的根目录下，
bash Anaconda3-5.2.0-Linux-x86_64.sh
或者，
wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
bash Anaconda3-5.2.0-Linux-x86_64.sh
一路大胆的yes下去。

2. 配置jupyter
   python
   from notebook.auth import passwd
   passwd() #输入自己的密码，首次登录时会用到。命令结束时会产生一个sha:=的口令，接下来有用
   jupyter notebook --generate-config
   找到.jupyter文件夹下的jupyter_notebook_config.py文档，在文件末尾添加如下内容 ：
   c.NotebookApp.ip=’*’
   c.NotebookApp.password = ’ ‘sha1:c58e4bad8a9a:c13d1dd9fd2632e4921a87830de7710d5f942ebd’’ #为上面生成的口令
   c.NotebookApp.open_browser = False
   c.NotebookApp.port = 8888
   此时jupyter配置结束，在浏览器中输入http://server的IP地址:8888/tree，输入自己的密码即可访问。本地的话ip地址为localhost。

3. 安装Keras
   强烈建议新建一个环境,如abc。
   conda create -n abc anaconda python=3.5(强烈建议Python3.5版本，目前Keras等一些框架都支持)
   source activate abc （关闭环境source deactivate）
   pip install tensorflow
   git clone https://github.com/fchollet/keras

4.安装TensorFlow-gpu
conda install -c anaconda tensorflow-gpu（版本为1.12）

（有很好的例子参考）
cd keras
python setup.py install
现在可以运行一个Keras测试脚本，如MNIST示例：
python examples /mnist_cnn.py
示例运行时间比较长，可以随时强制退出（Ctrl+C），Keras成功运行后，在.keras/keras.json会产生一个配置文件。配置文件应该是这样的，
{
“floatx”: “float32”,
“epsilon”: 1e-07,
“backend”: “tensorflow”,
“image_data_format”: “channels_last”
}

5.如果要周期性的输出显卡的使用情况，可以用watch指令实现：

watch -n 10 nvidia-smi

命令行参数-n后边跟的是执行命令的周期，以s为单位。