1. 编译环境Microsoft Visual Studio
安装GPU加速版本的Keras必须安装CUDA的编译器VS,CUDA8.0仅支持VS2015,如果不需要GPU加速可不安装。安装后在我的电脑--高级系统设置--环境变量--系统变量的path中添加VS的路径.\Microsoft Visual Studio 14.0\VC\bin。
2. Python环境
Anaconda是集成了诸多科学计算的Python环境,自带很多优秀的科学计算Python库。可在Anaconda官网下载最新版本Anaconda 5.0.0,内置的Python版本为3.6。
3. CUDA Toolkit
CUDA Toolkit是NVIDIA公司面向GPU编程提供的基础工具包,也是驱动显卡计算的核心技术工具。官网最新版为CUDA9.0,目前的tensorflow并不支持,建议安装CUDA8.0版本(最新版本的tensorflow-1.5.0已支持CUDA9.0,请去官网下载CUDA9.0)。下载后按照步骤安装,无需修改安装选项,程序会自动配置好环境变量。下载地址如下:
4. 加速库CuDNN
最新的tensorflow版本为1.3(已更新至1.5.0),最高支持CUDA8.0(CUDA9.0),对应的加速库CuDNN版本为6.0(7.0),需要在英伟达官网下载cudnn-8.0(9.0)-win-x64-v6.0.zip。将解压出的cuda文件夹中的bin、include、lib文件夹复制到CUDA安装路径覆盖,默认的CUDA路径为:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\8.0
5. Keras框架搭建
在CMD命令行安装tensorflow和keras:
#GPU版本 >>>pip install --upgrade tensorflow-gpu #CPU版本 >>>pip install --upgrade tensorflow #Keras安装 >>>pip install keras -U --pre
继续输入python进入Python命令行环境:
>>>import keras Using Tensorflow backend. >>>
未报错则说明Keras框架搭建成功。
5. mnist数据集测试
下载Keras开发包,用其中的mnist示例进行测试。
>>>conda install git >>>git clone https://github.com/fchollet/keras.git >>>cd keras/examples/ >>>python mnist_mlp.py
程序成功运行则说明安装成功。
6. 常见安装错误解决方法
(1)安装tensorflow后使用pip指令提示
parse() got an unexpected keyword argument 'transport_encoding'
解决:conda install -c anaconda html5lib
(2)配置环境后无法打开Spyder软件,鼠标闪烁后无反应
解决:pip install PyQt5