为深度学习所用，博主预想在Ubuntu16.04上安装 显卡驱动 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm，参考了众多资料，最终成功将所有软件安装完毕，且能成功运行使用。该篇博客介绍了Tensorflow-gpu与Keras的安装教程（默认已手动安装CUDA及cuDNN），亦可通过下方链接查看其他步骤的安装教程。
安装 Tensorflow-gpu 与 Keras（附测试）
本教程基于 Anaconda3 安装 Tensorflow-gpu，Anaconda3内置可安装Python的不同版本，因此无需特地手动安装Python
1、下载 Anaconda3 安装包，使用清华镜像下载，网址：清华大学开源软件镜像站
2、进入下载安装包所在位置，鼠标右键打开终端，输入以下命令安装Anaconda3（其中 xxx 为你所下载的 Anaconda3 安装包名称）
bash ./xxx.sh
安装 Anaconda3 过程中会有一些提示，除去最后一个询问是否安装VSCode软件可以自行选择，其余提示都输入 yes ，默认Anaconda3安装在 “Home” 位置
3、换源，向终端输入以下命令，添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
若 conda 命令提示找不到，可以在 “Home” 位置，打开终端，输入以下命令：
echo 'export PATH="~/anaconda3/bin:$PATH"'>>~/.bashrc
source ~/.bashrc
4、创建Python环境，其中 tensorflow-gpu 为创建的环境名称，可自行修改，python=3.6 为该环境依赖的Python版本，可自行修改版本
conda create -n tensorflow-gpu python=3.6
创建环境完成后，会提示激活环境与取消激活的命令，可将这两条命令记录在TXT文件中，以便今后使用
5、激活环境，其中 tensorflow-gpu 为需要激活的环境名称，可自行修改
source activate tensorflow-gpu
6、安装 Tensorflow-gpu，其中 tensorflow-gpu==1.10.0 是Tensorflow-gpu安装的版本，可自行修改版本
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.10.0
7、安装完毕后，可测试Tensorflow-gpu是否安装成功
输入以下命令执行Python
python
输入以下命令导入tensorflow包，回车导入，若无报错，则说明Tensorflow-gpu安装成功
import tensorflow as tf
8、取消激活，退出环境（退出Python可键入 Ctrl + Z ）
source deactivate
每次进入Anaconda3提供的Python环境中都需要激活环境，当不再使用该环境时，需要取消激活，再退出环境，如果退出环境后要再次进入环境，需要打开一个新的终端使用，而原本的终端无法再次激活环境
source activate tensorflow-gpu //激活
source deactivate //取消激活
Keras的安装与Tensorflow-gpu的安装类似，都是基于Anaconda3实现
1、打开终端，激活安装有Tensorflow-gpu所在的环境，其中 tensorflow-gpu 为需要激活的环境名称，可自行修改
source activate tensorflow-gpu
2、安装Keras，其中 keras-gpu==2.2.0 为Keras的版本信息，因安装Tensorflow-gpu，故而Keras也需安装GPU版本，版本号可自行修改
pip install keras-gpu==2.2.0
3、安装完毕后，可测试Keras是否安装成功
输入以下命令执行Python
python
输入以下命令导入keras包，回车导入，若仅弹出 Using TensorFlow backend. ，而无报错，则说明Keras安装成功
import keras
4、取消激活，退出环境（退出Python可键入 Ctrl + Z ）
source deactivate
