關於計算機的硬件配置說明
推薦配置
如果您是高校學生或者高級研究人員，並且實驗室或者個人資金充沛，建議您采用如下配置：
- 主板：X299型號或Z270型號
- CPU: i7-6950X或i7-7700K 及其以上高級型號
- 內存：品牌內存，總容量32G以上，根據主板組成4通道或8通道
- SSD： 品牌固態硬盤，容量256G以上
- 顯卡：NVIDIA GTX TITAN(XP) NVIDIA GTX 1080ti、NVIDIA GTX TITAN、NVIDIA GTX 1080、NVIDIA GTX 1070、NVIDIA GTX 1060 (順序為優先建議，並且建議同一顯卡，可以根據主板插槽數量購買多塊，例如X299型號主板最多可以采用×4的顯卡)
- 電源：由主機機容量的確定，一般有顯卡總容量后再加200W即可
最低配置
如果您是僅僅用於自學或代碼調試，亦或是條件所限僅采用自己現有的設備進行開發，那么您的電腦至少滿足以下幾點：
CPU說明
- 大多數CPU目前支持多核多線程，那么如果您采用CPU加速，就可以使用多線程運算。這方面的優勢對於服務器CPU志強系列尤為關鍵
顯卡說明
- 如果您的顯卡是非NVIDIA公司的產品或是NVIDIA GTX系列中型號的第一個數字低於6或NVIDIA的GT系列，都不建議您采用此類顯卡進行加速計算，例如
NVIDIA GT 910、NVIDIA GTX 460等等。 - 如果您的顯卡為筆記本上的GTX移動顯卡（型號后面帶有標識M），那么請您慎重使用顯卡加速，因為移動版GPU容易發生過熱燒毀現象。
- 如果您的顯卡，顯示的是諸如
HD5000,ATI 5650等類型的顯卡，那么您只能使用CPU加速 - 如果您的顯卡芯片為Pascal架構（
NVIDIA GTX 1080,NVIDIA GTX 1070等），您只能在之后的配置中選擇CUDA 8.0
基本開發環境搭建
1. Linux 發行版
linux有很多發行版，本文強烈建議讀者采用新版的Ubuntu 16.04 LTS
一方面，對於大多數新手來說Ubuntu具有很好的圖形界面，與樂觀的開源社區；另一方面，Ubuntu是Nvidia官方以及絕大多數深度學習框架默認開發環境。
個人不建議使用Ubuntu其他版本，由於GCC編譯器版本不同，會導致很多依賴無法有效安裝。
Ubuntu 16.04 LTS下載地址：http://www.ubuntu.org.cn/download/desktop
通過U盤安裝好后，進行初始化環境設置。
2. Ubuntu初始環境設置
- 安裝開發包
打開終端輸入：
# 系統升級
>>> sudo apt update
>>> sudo apt upgrade
# 安裝python基礎開發包
>>> sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim
- 安裝運算加速庫
打開終端輸入：
>>> sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev
3. CUDA開發環境的搭建(CPU加速跳過)
如果您的僅僅采用cpu加速，可跳過此步驟
- 下載CUDA8.0
下載地址：https://developer.nvidia.com/cuda-downloads
之后打開終端輸入：
>>> sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
>>> sudo apt update
>>> sudo apt -y install cuda
自動配置成功就好。
- 將CUDA路徑添加至環境變量
在終端輸入：
>>> sudo gedit /etc/profile
在profile文件中添加：
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}}
之后source /etc/profile即可
- 測試
在終端輸入：
>>> nvcc -V
會得到相應的nvcc編譯器相應的信息，那么CUDA配置成功了。(記得重啟系統)
如果要進行cuda性能測試，可以進行：
>>> cd /usr/local/cuda/samples
>>> sudo make -j8
編譯完成后，可以進samples/bin/.../.../...的底層目錄，運行各類實例。
4. 加速庫cuDNN（可選）
從官網下載需要注冊賬號申請，兩三天批准。網盤搜索一般也能找到最新版。
Linux目前最新的版本是cudnn V6，但對於tensorflow的預編譯版本還不支持這個最近版本，建議采用5.1版本，即是cudnn-8.0-win-x64-v5.1-prod.zip。
下載解壓出來是名為cuda的文件夾，里面有bin、include、lib，將三個文件夾復制到安裝CUDA的地方覆蓋對應文件夾，在終端中輸入：
>>> sudo cp include/cudnn.h /usr/local/cuda/include/
>>> sudo cp lib64/* /usr/local/cuda/lib64/
>>> cd /usr/local/cuda/lib64
>>> sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
>>> sudo ln -sf libcudnn.so.5 libcudnn.so
>>> sudo ldconfig -v
Keras框架搭建
相關開發包安裝
在終端中輸入:
>>> sudo pip install -U --pre pip setuptools wheel
>>> sudo pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image
>>> sudo pip install -U --pre tensorflow-gpu
# >>> sudo pip install -U --pre tensorflow ## CPU版本
>>> sudo pip install -U --pre keras
安裝完畢后，輸入python，然后輸入：
>>> import tensorflow
>>> import keras
無錯輸出即可
Keras中mnist數據集測試
下載Keras開發包
>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py
程序無錯進行，至此，keras安裝完成。