tensorflow + keras 踩坑分享

目的：在tensorflow框架code中使用keras的Imagedatagenerator，另外还要成功编译一个c++的cuda程序sh
环境：ubuntu16.04（真机双系统下）anaconda虚拟环境 python3.6 tensorflow1.12 keras2.24
{protobuf3.6.1！！！！！}
画布多说先上tensorlflow库的各个版本对照！！！！太太太重要了
TensorFlow-1.12¶
tensorflow库版本

由于前期操作的不确定性，并没有留图作例，但是希望自己总结到的东西能帮助到你。

tensorflow和keras的匹配问题
首先tensorflow自己需要匹配好cuda cudnn list of env
keras要选择对应tensorflow版本的，比如我这里选择安装老版本的tensorflow1.12，对应的keras版本的是2.24，好了这一点注意到了。

运行 import tensorflow或者keras会出现 各种奇怪的bug，最多的就是xxx找不到，当然第一选择是去把提示找不到的包给装上，然后继续出现xxx又找不到！wtf？什么玩意儿！

查了一通都是各种安包解决找不到的问题，尝试了下放弃了

最后回去查tensorflow1.12的对应包版本，发现protobuf版本高了最新的都3.11×了，tf1.12给的才3.6.1，感觉有戏，试了下果然搞定了。
虽然是关键一步，比按照提示装包也简单太多，但是想不到就很惨，换tf1.15又需要换cuda和cudnn就来回折腾。

这里也是我最想提的，就是在安装老版本tf的时候，尤其是各种框架配合使用的时候，一定要去看发行版对应的各种库的版本，先保证这一步，比出现xx找不到，一个一个解决靠谱，那是个无底洞！！找不到就是没有，没有就是版本布匹配，要么升要么降级！对于哪些要升降级，这个感觉就是经验，像pip这种最新版一般没问题，而且有些时候需要新版，protobuf numpy 这些比较核心的包建议别求新。

keras测试代码：

import keras
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
import time
imgs = np.random.randint(0,10,size=(7,100,100,3))

datagen=ImageDataGenerator(
                featurewise_center=True,
                featurewise_std_normalization=True,
                rotation_range=20, width_shift_range=0.2,
                height_shift_range=0.2, horizontal_flip=True
)
f=datagen.flow(imgs,[0,1,2,3,4,5,6],batch_size=3)

for index,(x,y) in enumerate(f):
    if index==10:
        break
    time.sleep(1)
    print(x.shape,y)

结果：
Using TensorFlow backend.

/home/××××/.conda/envs/tf3/lib/python3.6/site-packages/keras_preprocessing/image/image_data_generator.py:716: UserWarning: This ImageDataGenerator specifies `featurewise_center`, but it hasn't been fit on any training data. Fit it first by calling `.fit(numpy_data)`.
  warnings.warn('This ImageDataGenerator specifies '
/home/boss-lio/.conda/envs/tf3/lib/python3.6/site-packages/keras_preprocessing/image/image_data_generator.py:724: UserWarning: This ImageDataGenerator specifies `featurewise_std_normalization`, but it hasn't been fit on any training data. Fit it first by calling `.fit(numpy_data)`.
  warnings.warn('This ImageDataGenerator specifies '
(3, 100, 100, 3) [6 4 3]
(3, 100, 100, 3) [5 0 1]
(1, 100, 100, 3) [2]
(3, 100, 100, 3) [4 1 3]
(3, 100, 100, 3) [6 2 5]
(1, 100, 100, 3) [0]
(3, 100, 100, 3) [6 2 5]
(3, 100, 100, 3) [1 4 0]
(1, 100, 100, 3) [3]
(3, 100, 100, 3) [6 2 3]