Keras学习笔记（1）——快速安装配置运行

为了在量化交易中使用深度学习算法，需要选择一个深度学习框架。在zwPython中，集成了TensorFlow及Keras。这里选择Keras进行学习。

本文主要记录在zwPython中，快速配置Keras并跑通CIFAR-10 CNN示例的过程。

1. 安装CUDA和cuDNN

运行zwPython中demo目录下的zw005xver.py文件，可以查看zwPython中集成各个库的版本号。在zwPython2020中，TensorFlow版本为2.1.0，Keras版本为2.3.1。（zw对深度学习框架的集成节省了大量配置时间，想当初单单下载安装TensorFlow就花了一天多的时间。）

运行zw005xver.py时，可以看到终端提示没有安装CUDA及cuDNN，这些都是用GPU跑深度学习所必需的库。这里需要手动安装配置，当然前提是我们的计算机里安装了NVIDIA显卡。

通过终端里的信息可以发现，zwPython2020依赖的是CUDA10.1及对应的cuDNN版本，而NVIDIA官网默认下载的CUDA10.2，这里一定要保证下载是10.1，否则是无法正确识别CUDA的。可以通过搜索引擎搜索CUDA Toolkit 10.1来找到正确的下载链接。

（1）根据操作系统版本，选择下载对应的CUDA Toolkit 10.1后，需要选择安装目录，这里建议不要安装在带有空格或者中文的目录内（虽然默认是安装在“Program Files”这样带空格的目录内），因为有些库对这样的目录支持不是很完善，可能会引起程序异常，笔者的安装目录配置如下图所示：

（2）cnDNN的下载需要先注册，也不是很麻烦。选择对应于CUDA 10.1的cuDNN下载，下载后解压。然后按照下面的路径进行文件拷贝：

• 复制<解压目录>\cuda\bin\cudnn64_7.dll到D:\CUDA\v10.1\bin
• 复制<解压目录>\cuda\ include\cudnn.h到D:\CUDA\v10.1\include
• 复制<解压目录>\cuda\lib\x64\cudnn.lib到D:\CUDA\v10.1\lib\x64

通过上面的步骤就完成了CUDA及cuDNN的安装和配置。

2. 运行Keras的CIFAR-10 CNN示例

（1）使用zwPython2020内集成的VSCode新建Python文件，将Keras官网里CIFAR-10 CNN代码贴到文件内。

（2）示例需要下载数据文件“https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz”，靠程序直接下载没有成功，建议将网址贴到迅雷等下载软件中进行下载。下载后，将文件重命名为“cifar-10-batches-py.tar.gz”，并且粘贴到“C:\Users\SL.keras\datasets”目录内，将压缩包里的内容解压到“C:\Users\SL.keras\datasets\cifar-10-batches-py”目录内，解压后的目录结构为：

这样就可以运行示例了，程序的输出为：

Using TensorFlow backend.
...
2020-03-26 21:34:24.038126: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1555] Found device 0 with properties: 
pciBusID: 0000:01:00.0 name: GeForce GTX 1060 6GB computeCapability: 6.1
coreClock: 1.8095GHz coreCount: 10 deviceMemorySize: 6.00GiB deviceMemoryBandwidth: 178.99GiB/s
...
x_train shape: (50000, 32, 32, 3)
50000 train samples
10000 test samples
...
Using real-time data augmentation.
Epoch 1/100
2020-03-26 21:34:28.172267: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll
2020-03-26 21:34:29.369935: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2020-03-26 21:34:34.000673: W tensorflow/stream_executor/gpu/redzone_allocator.cc:312] Internal: Invoking GPU asm compilation is supported on Cuda non-Windows platforms only
Relying on driver to perform ptx compilation. This message will be only logged once.
1563/1563 [==============================] - 23s 15ms/step - loss: 1.8492 - accuracy: 0.3185 - val_loss: 1.5694 - val_accuracy: 0.4234
Epoch 2/100
1563/1563 [==============================] - 16s 10ms/step - loss: 1.5736 - accuracy: 0.4232 - val_loss: 1.3854 - val_accuracy: 0.4974
...
Epoch 100/100
1563/1563 [==============================] - 16s 10ms/step - loss: 0.7970 - accuracy: 0.7383 - val_loss: 0.6856 - val_accuracy: 0.7730
Saved trained model at D:\zwPython\zwrk\saved_models\keras_cifar10_trained_model.h5
10000/10000 [==============================] - 1s 95us/step
Test loss: 0.6855917647838593
Test accuracy: 0.7730000019073486