记一次入门级种子选手的Keras环境配置经历

最新推荐文章于 2024-01-26 09:13:55 发布

爱动脑筋的西瓜玲子

最新推荐文章于 2024-01-26 09:13:55 发布

阅读量245

点赞数

分类专栏：深度学习文章标签： keras 西瓜玲子 python

本文链接：https://blog.csdn.net/qq_36014149/article/details/82932628

版权

深度学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

文章目录

1.什么是Keras?

Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：

简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）
支持CNN和RNN，或二者的结合
无缝CPU和GPU切换
Keras适用的Python版本是：Python 2.7-3.6

2.官方Keras的安装配置过程

说明：Keras的安装分为基于Windows系统和linux系统，还区分CPU版本和GPU版本，个人理解上一个是基于CPU进行计算，另一个是GPU提供加快计算的功能。
官方教程链接：https://keras-cn.readthedocs.io/en/latest/ （里面包括了keras的使用方法，和配置说明）
个人由于显卡的一系列限制，选择的是Windows 10 系统上的CPU版本，如此一来也更加简单~
在这里插入图片描述

3.安装流程概述

安装GPU版本的完整过程，安装CPU版本只需要进行画红框的过程

4.安装过程及遇到的问题

首先Window10和Python环境都是有的，可以自行下载Anaconda3(64-bit)
然后在Anaconda Prompt中输入命令（直接在命令行中输入似乎也可以），由于我安装的是CPU版本，所以只用输入后两个命令就可以了。

GPU 版本
pip install --upgrade tensorflow-gpu
CPU 版本
pip install --upgrade tensorflow
Keras 安装
pip install keras -U --pre

在安装过程中出现了问题如图所示，解决方法传送门：别人家的大佬！（我觉得可能是因为和pip的版本不一致，需要更新一下pip）
验证是否安装完成，在spyder中输入import keras，出现如下结果就安装成功了
接下来需要用mnist数据集进行测试，在这里遇到了一些问题，本来所需操作是如图所示。在Anaconda Prompt/cmd中输入conda install git时，出现报错。

在这里插入图片描述

在这里采用了两种方式解决，方案一：配置镜像解决
我个人在配置完镜像之后，能够进行操作，但是不知道为什么还是没有成功，而且也缺少mnist_mlp.py文件（据说网上也可以下载）。我选择了另一种方式解决。
方案二：手动下载mnist数据方案二：手动下载mnist数据
在原文中的介绍有两点再强调一下：
a.下载后的mnist.npz的文件安放位置（可以自由选定）我是放在Keras的数据集文件夹中（D:\Users\Zhwl\Anaconda3\Lib\site-packages\keras\datasets）其中D:\Users\Zhwl\Anaconda3\ 是Anaconda3的安装量
b.修改mnist.py文件的内容，讲注释部分修改为下面部分，指明mnist.npz文件所在的位置。

# path = get_file(path,
#          origin='https://s3.amazonaws.com/img-datasets/mnist.npz',
#               file_hash='8a61469f7ea1b51cbae51d4f78837e45')
path = 
'D:/Users/Zhwl/Anaconda3/Lib/site-packages/keras/datasets/mnist.npz'

接下来运行示例代码可以成功

import numpy as np
import matplotlib.pyplot as plt

from keras.datasets import mnist
from keras.models import Sequential
from keras.layers.core import Dense, Activation, Dropout
from keras.utils import np_utils

(X_train, y_train), (X_test, y_test) = mnist.load_data();
print(X_train.shape)
print(X_test.shape)

for i in range(9):
    plt.subplot(3,3,i+1)
    plt.imshow(X_train[i], cmap='gray', interpolation='none')
    plt.title("Class {}".format(y_train[i]))