【注】本教程是在已经安装tensorflow-gpu1.7.0基础上，安装keras-gpu版本的一些经验！
第一次安装keras的时候，也不清楚什么cpu版本的还有gpu版本的，就百度按照别人的方法直接使用命令conda install keras进行安装，结果。。。它弹出来了提示说还需要附带安装theano以及tensorflow1.1.0版本以及其他几个库，什么也不懂，就同意了，结果在跑keras程序的时候，查看自己的显卡状态，使用率始终为0%，也就是说安装的这个keras根本没有使用gpu加速，而是使用的它自带的那个tensorflow1.1.0版本，这应该是默认使用cpu运算的，整个跑程序的过程很慢，就想着卸载keras，重新进行安装，直接使用命令：
pip install keras
注：这里使用pip安装而不是使用conda，原因是使用conda安装会默认安装cpu版本的tensorflow，如下图所示：
<center style="color:rgb(63,63,63);">
使用conda安装会提示安装其他依赖包，如下图所示；这其中就包括cpu版本的tensorflow，这是我们不想要的。 所以千万不要使用conda命令安装keras，说起来都是泪。。。</center>
接下来可以在jupyter notebook里import Keras，没出错就表明安装成功了。
【补充】使用上述方法安装keras的前提是，电脑上要安装tensorflow-gpu，只有这样，在使用pip install keras之后，keras才会默认使用你已经安装好的tensorflow-gpu作为底层实现，才能更好的进行gpu加速，我亲自测试过同一段代码在cpu版本的keras上跑了半个小时，而在GTX 1060显卡上只需要两分钟，可见gpu加速让训练更快，如果你有GPU，就安装GPU版本的tensorflow吧，因为基于tensorflow-gpu版本的keras也自然会更快！
京公网安备 11010502036488号