為深度學習環境安裝開源深度學習框架Tensorflow（Ubuntu16.04+CUDA+cuDNN+Anaconda+Tensorflow）
前一篇文章《Ubuntu16.04+GTX1050+CUDA8.0配置深度學習環境》 已經介紹瞭如何配置深度學習環境，本文介紹下如何配置深度學習框架Tensorflow。TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，可以說是目前做活躍的深度學習框架，其他詳細介紹自行google吧。
下面開始安裝教程
1.安裝Anaconda
Anaconda 是一個用於科學計算的 Python 發行版，支援 Linux, Mac, Windows, 包含了眾多流行的科學計算、資料分析的 Python 包。Tensorflow 底層使用 C++ 實現的，然後使用 python 封裝，暫時只支援這兩種語言，使用最多的是 python 。很多的行業大牛都推薦使用 Anaconda ，因為他可以隔離多個 python 環境，同時解決掉了很多 python 包的依賴。
下載Anaconda，
sh Anaconda3-4.4.0-Linux-x86_64.sh
此處回車即可
輸入q即可
確認license，輸入yes
選擇安裝路徑，我一般選擇預設，回車即可!後面就會安裝很多包，等待即可
下一步
選擇是否將anaconda作為環境變數加入bashrc中，建議選擇yes
安裝anaconda完畢，執行
export PATH="/home/gviot/anaconda2/bin:$PATH"
/home/gviot/anaconda2 為你的安裝路徑
2.安裝keras
可以使用 pip install keras
也可以到github上下載你所需要的版本
執行如下程式碼安裝
tar -xvzf keras-2.0.6.tar.gz
cd keras-2.0.6
python setup.py install
keras的配置檔案在$HOME下的 .keras 目錄下
3.安裝tensorflow
到github 上下載符合你條件的編譯好版本
執行 pip install tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl 安裝
使用這種編譯好的版本時，會有類似“The TensorFlow library wasn’t compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations.”列印輸出，意思是說：你的機器上有這些指令集可以用，並且用了他們會加快你的ＣＰＵ執行速度，但是你的TensorFlow在編譯的時候並沒有用到這些指令集。
有兩種解決辦法，一種是自己編譯tensorflow，在編譯時使用這些指令集，另一種是在$HOME下的.bashrc最後新增export TF_CPP_MIN_LOG_LEVEL=2
export TF_CPP_MIN_LOG_LEVEL=2
4.測試環境
使用keras-2.0.6/examples/mnist_cnn.py測試安裝是否正常
CUDA_VISIBLE_DEVICES=0 python keras-2.0.6/examples/mnist_cnn.py
以上Tensorflow框架安裝完畢，並且可以使用keras作為上層api呼叫tensorflow