（看这篇就够了）keras使用GPU加速运算

最近有机会蹭组里的图形工作站跑DNN，想着终于有机会感受一下GPU的速度，结果网上一看全是细节性的教程，对小白十分不友好。经过一下午的鼓捣，踩了一些坑，最后终于弄好了，在这里全面的记录一下经过，大部分人按这个步骤走应该都能no error。

总述

keras使用CPU和GPU运算没有任何的语法差别，它能自动地判断能不能使用GPU运算，能的话就用GPU，不能则CPU。你只需要在代码开头加上下面这一句就行了，“0”指的是GPU编号，在cmd窗口输入nvidia-smi命令即可查看可用的GPU。

os.environ["CUDA_VISIBLE_DEVICES"]="0"

好，相信大部分人此时运行都会报错，这是因为你没有配置好支持GPU运算的环境，因此想要使用GPU加速运算的主要任务就是配环境！！总的来说，需要配置以下几大部分：

1.tensorflow-gpu

2.适合版本的nvidia驱动、CUDA、cuDNN

没错，就是这么简单，只要你把上面的四个东西装好了，你的神经网络模型就能在GPU上跑起来了，而其中的关键点就是：版本契合！下面我们分开来讲

写本文时我的环境配置：

tensorflow-gpu：2.0
keras：2.3
nvidia driver:441.41
CUDA:10.0
cuDNN:7.6.4 for CUDA 10.9

Tensorflow-gpu

众所周知，keras的底层实现是靠tensorflow，因此想要使用GPU运算，就要下载tensorflow-gpu库。

有人说tensorflow和tensorflow-gpu会干扰，为确保一次成功，建议先将原来的tensorflow、tensorflow-gpu、keras库全部卸载，然后安装版本契合的tensorflow-gpu和keras库。重点是keras要和tensorflow-gpu的版本对应