为深度学习环境安装开源深度学习框架Tensorflow（Ubuntu16.04+CUDA+cuDNN+Anaconda+Tensorflow）

前一篇文章《Ubuntu16.04+GTX1050+CUDA8.0配置深度学习环境》 已经介绍了如何配置深度学习环境，本文介绍下如何配置深度学习框架Tensorflow。TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，可以说是目前做活跃的深度学习框架，其他详细介绍自行google吧。
下面开始安装教程
1.安装Anaconda
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。Tensorflow 底层使用 C++ 实现的，然后使用 python 封装，暂时只支持这两种语言，使用最多的是 python 。很多的行业大牛都推荐使用 Anaconda ，因为他可以隔离多个 python 环境，同时解决掉了很多 python 包的依赖。
下载Anaconda，官网下载，速度太慢，推荐清华的镜像源，下载后执行

sh Anaconda3-4.4.0-Linux-x86_64.sh

此处回车即可

输入q即可

确认license，输入yes

选择安装路径，我一般选择默认，回车即可!后面就会安装很多包，等待即可
下一步

选择是否将anaconda作为环境变量加入bashrc中，建议选择yes
安装anaconda完毕，执行

export PATH="/home/gviot/anaconda2/bin:$PATH"

/home/gviot/anaconda2 为你的安装路径
2.安装keras
可以使用 pip install keras 安装
也可以到github上下载你所需要的版本
执行如下代码安装

tar -xvzf keras-2.0.6.tar.gzcd keras-2.0.6python setup.py install

keras的配置文件在$HOME下的 .keras 目录下

3.安装tensorflow
到github 上下载符合你条件的编译好版本

执行 pip install tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl 安装
使用这种编译好的版本时，会有类似“The TensorFlow library wasn’t compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations.”打印输出，意思是说：你的机器上有这些指令集可以用，并且用了他们会加快你的ＣＰＵ运行速度，但是你的TensorFlow在编译的时候并没有用到这些指令集。
有两种解决办法，一种是自己编译tensorflow，在编译时使用这些指令集，另一种是在$HOME下的.bashrc最后添加export TF_CPP_MIN_LOG_LEVEL=2，并在terminal中输入export TF_CPP_MIN_LOG_LEVEL=2

4.测试环境
使用keras-2.0.6/examples/mnist_cnn.py测试安装是否正常

CUDA_VISIBLE_DEVICES=0 python keras-2.0.6/examples/mnist_cnn.py

以上Tensorflow框架安装完毕，并且可以使用keras作为上层api调用tensorflow