Keras+TensorFlowを用いた深層学習環境構築（CPU/GPU）

前提

以下の条件を満たすPCで動作させる

Windows10
NVIDIAの最近のGPU（ここでは、省電力かつエントリーレベルの1050Tiを例に用いる）

必要なもの

Anaconda

手順

Anacondaに仮想環境を追加。（今回はPythonのバージョンは3.6とし、名前をpy36とする）

この仮想環境に次の順序でパッケージをインストールしていく（Environmentタブで、検索して、チェックボックスにチェックしてApplyするのみ）

まず、
kerasとtensorflowをインストール
次に
keras-gpu
tensorflow-gpu
次に、以下のパッケージもインストールする
cudatoolkit
cudnn
※cudatoolkitとcudnnは適切なバージョンの組み合わせ（例えばcuda9.0+cudnn7.0など）を選択する必要があるが、自動で選択される。

仮想環境（例えばここではpy36という名前にしている）のTensorFlowがGPUを認識できているか確認する

MNISTのサンプルで実際のトレーニング動作を確認する。
https://github.com/keras-team/keras/blob/master/examples/mnist_cnn.py
（メモ帳などにコピペして、すべてのファイル/UTF-8で.py拡張子もつけて保存）

実行コマンド例
(py36) C:\Users\tatsu>python C:\Users\tatsu\OneDrive\デスクトップ\mnist_cnn.py

結果、データのロードに50秒ほど、1エポックにつき11秒で計算できることを確認。
データのロード+12エポックが約3分で完了する。

補足

あえてCPUでの動作を確認する場合は、tensorflow-gpuをアンインストールするというのもいいが、例えば、上記のテストコードに数行のコードを追加するだけでも確認できる。

～
from __future__ import print_function

"""ここを追加"""
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   # see issue #152
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
"""              """
import keras
～

Ubuntu18.04編

こちらの通りにやる。

https://medium.com/datadriveninvestor/install-tensorflow-gpu-to-use-nvidia-gpu-on-ubuntu-18-04-do-ai-71b0ce64ebc5

重要なポイントは、Anacondaでインストールしたcudatoolkitのバージョンを9.0に落とすこと。そうすると自動でcudnnも7.1にバージョンが落ちる。これ以外の組み合わせはGPUが認識されない（かも。あくまでも執筆時点2018/1/22）。

以上