本文主要向大家介绍了机器学习入门之个人电脑如何搭建深度学习/机器学习开发环境，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

 硬件信息：
显卡GTX 750Ti + 4核处理器 + 16G内存 + 120G固态 + 500G机械
 
软件信息：
ubuntu16.04：一开始安装的是18.04，NVIDIA官方暂未提供这个版本的driver，安装过程中提示找不带显卡驱动。建议大家不要盲目追求新。
cuda：GPU上的并行计算平台和模型；版本选择cuda-8.0
cudnn：相比标准的cuda,它在一些常用的神经网络操作上进行了性能的优化；版本选择cudnn 6.0
anaconda：一个开源的Python发行版本，其包含了conda、python等180多个科学包及其依赖项；版本选择Anaconda3-4.3.0-Linux-x86_64.sh，该版本基于Python 3.6
tensorflow：作为keras的backend，本次安装选择的是GPU版，由于cuda是8.0，建议tensorflow选择tensorflow-gpu==1.4.0
keras：基于Python的深度学习库，是一个高层神经网络API，后端可以选择Tensorflow、Theano以及CNTK。
 
安装步骤：
安装 ubuntu16.04+win7双系统：
在win7上压缩出一个free空间，作为ubuntu系统安装位置。
使用rufus工具将U盘制作为安装ubuntu的系统盘，安装步骤教程有很多。
 
安装 cuda-8.0

安装：参开图中的installation instruction => sudo sh cuda_8.0.44_linux.run
注意：安装过程中会提示是否安装显卡驱动，选择“否”（n）
检验：nvcc --version这种方法不够准确；建议使用deviceQuery，出现下图信息表示cuda安装成功，Result=PASS。

添加到环境变量：在～/.bashrc最后面加入下面的代码

export PATH="/usr/local/cuda-8.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH"

 
安装 cudnn 6.0
将下载的tgz文件解压：sudo tar xvf xxx.tgz
分别将解压后的include、lib64文件夹中的全部文件copy到/usr/local/cuda/include/、/usr/local/cuda/lib64
重新建立软连接：

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6
sudo chmod u=rwx,g=rx,o=rx libcudnn.so.6.0.21
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -s libcudnn.so.6 libcudnn.so

 
安装 Anaconda3-4.3.0-Linux-x86_64.sh
直接运行下载后的sh脚本：

bash Anaconda3-4.3.0-Linux-x86_64.sh 

根据提示，敲击enter或输入yes。
检验：一定打开新的终端来使用anaconda

 
安装tensorflow-gpu
更换pip源：

cd ~
sudo mkdir .pip
cd .pip
sudo touch pip.conf
sudo chmod 777 pip.conf
gedit pip.conf

在打开的pip.conf中加入下面的信息

[global]
index-url = https://pypi.douban.com/simple

更换conda源：

touch ~/.condarc
chmod 777 ~/.condarc
gedit ~/.condarc

在打开的.condarc中加入下面的信息

channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true

建立conda环境：

conda create -n tensorflow-gpu python=3.6

 激活上一步建立的tensorflow-gpu环境，安装tensorflow-gpu

source activate tensorflow-gpu
pip install tensorflow-gpu==1.4.0


安装过程中提示更新pip，按照提示操作即可：

 
安装keras
在tensorflow-gpu环境下，使用pip安装：

pip install keras


 
 检验tensorflow+keras环境

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！