STM32部署神经网络笔记(2)配置keras相关环境

---

安装Tensorflow

在这个项目中，我使用的是低版本的tensorflow1.10，主要是为了避免高版本带来的兼容性问题。
在cmd中输入conda install tensorflow== 1.10或者conda install tensorflow_gpu==1.10，前者是仅使用cpu进行运算，后者则是使用了gpu进行加速。据我目前在同学电脑和我自己电脑上的尝试，在大数据量计算，尤其是图像处理方面，gpu加速会比仅使用cpu快很多，特别是使用游戏显卡级别的电脑，更适合使用gpu加速。
conda安装有别于pip安装，每个python解释器安装过后貌似都会自带pip，如果电脑上有很多个环境，那么你都不知道你使用的pip install xxx是装在哪个环境中的。而conda安装会分析当前环境，之后和pip一样来确定缺少或需要修改的package。
安装完可以在conda list中看到，其中有个比较重要的cudnn也会随着捆绑安装到conda中。

安装keras

keras是一款以tensorflow为底层，简单易操作，是写给人类而不是外星人看的深度学习顶层api包，具体的形容大家可以去拜读一下keras的中文文档https://keras.io/zh/。总之，这是一款友好的api，配置神经网络非常简单，适合刚入门深度学习的新手，之后的笔记中，我会介绍简单卷积神经网络的组建与应用。
我安装的是keras2.1.3，与tensorflow一样，cmd中输入conda install keras==2.1.3。同样，keras也有很多捆绑包，比如h5py等。conda会把需要的包全都安装到位。

配置keras后端

https://keras.io/zh/backend/

上面网站是官方中文文档中关于keras后端配置的部分。由于keras的后端选择有三种，分别是TensorFlow，Theano和CNTK。配置keras后端十分重要，keras默认后端配置文件有点小问题，而且是默认使用tensorflow，还是有必要查看一下的，如果keras不能运行也可能是后端配置不对引起的。务必重视。
我使用的是Tensorflow后端，在命令行中输入

%USERPROFILE%/.keras/keras.json

按照文档上打$HOME死活打不开。亲试，用上面的命令在两台电脑上都可以打开keras.json。打开后用下文覆盖它的原文件。

{
“image_data_format”: “channels_last”,
“epsilon”: 1e-07,
“floatx”: “float32”,
“backend”: “tensorflow”
}

keras配置成功的标志
一个是在python命令行中输入import keras，会打印出
Using TensorFlow backend.即为成功。

二、在我另一个同学的机子上的keras2.4.x（且未使用anaconda），输入import keras后，并不会打印Using TensorFlow backend.但是可以运行keras的api函数。即可以正常运行简单的keras程序，则keras安装成功。